[发明专利]一种基于数据驱动的机器人鲁棒学习预测控制方法

摘要

本发明公开了一种基于数据驱动的机器人鲁棒学习预测控制方法，通过数据驱动的方式来对系统的动力学进行辨识，将机器人的非线性特性抽象至高维线性空间，获得机器人系统的全局线性化模型；对机器人系统的原始状态量与控制量的取值范围进行收缩，并将收缩结果作为全局线性化模型的状态量与控制量的取值范围，在存在逼近残差情况下满足原始状态量与控制量的取值范围、并保持闭环控制的鲁棒性；基于全局线性化模型和高维线性空间中的状态变量来进行不断地滚动优化，学习得到机器人系统当前时刻的近似最优预测控制序列。其应用对象是动力学特性未知且不易获取和辨识、存在状态和控制量约束的一类系统为非线性的机器人，能够实现快速高效的闭环控制。

主权项

1.一种基于数据驱动的机器人鲁棒学习预测控制方法，其特征在于，包括以下步骤：/n步骤1，基于数据驱动将机器人系统的非线性特性抽象至高维线性空间，得到机器人系统的全局高维线性化表示，即机器人系统的全局线性化模型；/n步骤2，对机器人系统的原始状态量与控制量的取值范围进行收缩，并将收缩结果作为全局线性化模型的状态量与控制量的取值范围；/n步骤3，基于全局线性化模型和高维线性空间中的状态变量来进行不断地滚动优化，学习得到机器人系统当前时刻的近似最优预测控制序列；/n步骤4,根据当前时刻的近似最优预测控制序列得到实际控制率；/n步骤5，将当前时刻的实际控制率应用于机器人系统以更新机器人系统，得到机器人系统下一时刻的状态量，然后对该状态量进行映射处理以将其更新至高维线性空间中的状态变量后重复步骤3-5。/n