本技術(shù)涉及機(jī)器人控制，尤其涉及非線性約束下混合積分離散神經(jīng)網(wǎng)絡(luò)的機(jī)器人控制方法。

背景技術(shù)：

1、機(jī)器人的控制涉及多種非線性問題，以及不同動態(tài)環(huán)境，包括考慮工作空間的障礙物、運(yùn)動約束和任務(wù)要求。許多實(shí)際應(yīng)用中，大多數(shù)機(jī)器人的控制系統(tǒng)是基于數(shù)字控制器運(yùn)行的，即控制器本身是離散時間系統(tǒng)，因此導(dǎo)致連續(xù)時間求解器在實(shí)際應(yīng)用中不夠高效，可能產(chǎn)生數(shù)值誤差和響應(yīng)延遲。

2、現(xiàn)有方案大多在連續(xù)時間下設(shè)計(jì)求解器，通常涉及復(fù)雜的非線性優(yōu)化問題，導(dǎo)致計(jì)算負(fù)荷較重，實(shí)時性較差，尤其是在實(shí)時控制任務(wù)中表現(xiàn)不理想，不利于實(shí)際作業(yè)。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的主要目的在于提出非線性約束下混合積分離散神經(jīng)網(wǎng)絡(luò)的機(jī)器人控制方案，以提高機(jī)器人控制任務(wù)的精度和計(jì)算效率，提升機(jī)器人控制任務(wù)的穩(wěn)定性和適應(yīng)性。

2、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的一方面提出了非線性約束下混合積分離散神經(jīng)網(wǎng)絡(luò)的機(jī)器人控制方法，所述方法包括以下步驟：

3、構(gòu)建機(jī)器人控制問題；其中，所述機(jī)器人控制問題包括目標(biāo)函數(shù)和約束方程；

4、根據(jù)拉格朗日乘子和非線性函數(shù)構(gòu)建所述機(jī)器人控制問題的偏差方程；

5、基于所述偏差方程構(gòu)建混合積分型神經(jīng)網(wǎng)絡(luò)求解器；

6、將所述混合積分型神經(jīng)網(wǎng)絡(luò)求解器轉(zhuǎn)換為離散時間下的矩陣形式作為離散時間模型；

7、將所述機(jī)器人控制問題的預(yù)期目標(biāo)輸入到所述離散時間模型，求解得到關(guān)節(jié)角目標(biāo)解；

8、將所述關(guān)節(jié)角目標(biāo)解發(fā)送到機(jī)器人的控制器，利用所述控制器根據(jù)所述關(guān)節(jié)角目標(biāo)解控制所述機(jī)器人運(yùn)動。

9、在一些實(shí)施例中，所述構(gòu)建機(jī)器人控制問題，包括以下步驟：

10、構(gòu)建所述機(jī)器人控制問題的所述目標(biāo)函數(shù)為：

11、；

12、其中，，表示機(jī)器人在時刻各關(guān)節(jié)的角速度值，為機(jī)器人的自由度；

13、構(gòu)建所述機(jī)器人控制問題的所述約束方程為：

14、；

15、其中，為等式約束方程，為不等式約束方程。

16、在一些實(shí)施例中，所述根據(jù)拉格朗日乘子和非線性函數(shù)構(gòu)建所述機(jī)器人控制問題的偏差方程，包括以下步驟：

17、根據(jù)拉格朗日乘子和非線性函數(shù)構(gòu)建所述機(jī)器人控制問題的偏差方程為：

18、；

19、其中，為所述偏差方程，；為所述機(jī)器人控制問題的解，；、分別為所述等式約束方程和所述不等式約束方程的拉格朗日乘子；為所述不等式約束方程的非線性函數(shù)關(guān)系。

20、在一些實(shí)施例中，所述基于所述偏差方程構(gòu)建混合積分型神經(jīng)網(wǎng)絡(luò)求解器，包括以下步驟：

21、構(gòu)建混合積分型神經(jīng)網(wǎng)絡(luò)的表達(dá)式；

22、所述混合積分型神經(jīng)網(wǎng)絡(luò)的表達(dá)式為：

23、；

24、其中，為所述混合積分型神經(jīng)網(wǎng)絡(luò)的表達(dá)式；為常數(shù)；為積分變量，所述積分變量的積分下限是0，第一積分上限是t，第二積分上線是；

25、根據(jù)所述偏差方程和所述混合積分型神經(jīng)網(wǎng)絡(luò)的表達(dá)式構(gòu)建所述混合積分型神經(jīng)網(wǎng)絡(luò)求解器；

26、所述混合積分型神經(jīng)網(wǎng)絡(luò)求解器為：

27、；

28、其中，為所述混合積分型神經(jīng)網(wǎng)絡(luò)求解器；為干擾項(xiàng)；

29、具體為：

30、；

31、其中，、為非線性函數(shù)關(guān)系的函數(shù)表達(dá)式，為所述等式約束方程的維度，為所述不等式約束方程的維度；

32、具體為：

33、；

34、具體為：

35、；

36、其中，表示對角矩陣。

37、在一些實(shí)施例中，所述將所述混合積分型神經(jīng)網(wǎng)絡(luò)求解器轉(zhuǎn)換為離散時間下的矩陣形式作為離散時間模型，包括以下步驟：

38、將所述混合積分型神經(jīng)網(wǎng)絡(luò)求解器轉(zhuǎn)換為矩陣形式；

39、矩陣形式的所述混合積分型神經(jīng)網(wǎng)絡(luò)求解器為：

40、；

41、其中，為所述偏差方程的積分項(xiàng)，；為所述偏差方程的雙積分項(xiàng)，；為中間參數(shù)，用于化簡表達(dá)式，)；，為的逆矩陣；

42、構(gòu)建離散時間表達(dá)式；

43、所述離散時間表達(dá)式為：

44、；

45、其中，為離散時間序列的導(dǎo)數(shù)，為所述離散時間序列；為采樣周期；

46、根據(jù)所述離散時間表達(dá)式將矩陣形式的所述混合積分型神經(jīng)網(wǎng)絡(luò)求解器轉(zhuǎn)換為離散時間下的矩陣形式作為所述離散時間模型；

47、所述離散時間模型為：

48、；

49、其中，為在時間步為k時的值，為在時間步為k時的值，為在時間步為k時的值，為在時間步為k時的值，為在時間步為k時的值，為第k個時間步對應(yīng)的時間值，為干擾項(xiàng)在時間步為k時的值；k?為整數(shù)，表示離散時間步的索引，k的取值范圍在0到6；

50、)，。

51、在一些實(shí)施例中，所述將所述機(jī)器人控制問題的預(yù)期目標(biāo)輸入到所述離散時間模型，求解得到關(guān)節(jié)角目標(biāo)解，包括以下步驟：

52、將所述預(yù)期目標(biāo)的向量輸入到所述離散時間模型；

53、利用所述離散時間模型基于所述預(yù)期目標(biāo)的向量求解所述偏差方程為0時的解作為所述關(guān)節(jié)角目標(biāo)解。

54、在一些實(shí)施例中，所述方法還包括以下步驟：

55、獲取所述機(jī)器人的末端執(zhí)行器的當(dāng)前位置；

56、計(jì)算所述末端執(zhí)行器的當(dāng)前位置與當(dāng)前所述關(guān)節(jié)角目標(biāo)解的對應(yīng)位置之間的偏差值；

57、若所述偏差值大于預(yù)設(shè)閾值，則返回所述將所述機(jī)器人控制問題的預(yù)期目標(biāo)輸入到所述離散時間模型，求解得到最新的所述關(guān)節(jié)角目標(biāo)解；

58、基于最新的所述關(guān)節(jié)角目標(biāo)解，執(zhí)行所述將所述關(guān)節(jié)角目標(biāo)解發(fā)送到機(jī)器人的控制器，利用所述控制器根據(jù)所述關(guān)節(jié)角目標(biāo)解控制所述機(jī)器人運(yùn)動。

59、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的另一方面提出了非線性約束下混合積分離散神經(jīng)網(wǎng)絡(luò)的機(jī)器人控制裝置，所述裝置包括：

60、控制問題構(gòu)建單元，用于構(gòu)建機(jī)器人控制問題；其中，所述機(jī)器人控制問題包括目標(biāo)函數(shù)和約束方程；

61、偏差方程構(gòu)建單元，用于根據(jù)拉格朗日乘子和非線性函數(shù)構(gòu)建所述機(jī)器人控制問題的偏差方程；

62、求解器構(gòu)建單元，用于基于所述偏差方程構(gòu)建混合積分型神經(jīng)網(wǎng)絡(luò)求解器；

63、求解器轉(zhuǎn)換單元，用于將所述混合積分型神經(jīng)網(wǎng)絡(luò)求解器轉(zhuǎn)換為離散時間下的矩陣形式作為離散時間模型；

64、關(guān)節(jié)角求解單元，用于將所述機(jī)器人控制問題的預(yù)期目標(biāo)輸入到所述離散時間模型，求解得到關(guān)節(jié)角目標(biāo)解；

65、機(jī)器人控制單元，用于將所述關(guān)節(jié)角目標(biāo)解發(fā)送到機(jī)器人的控制器，利用所述控制器根據(jù)所述關(guān)節(jié)角目標(biāo)解控制所述機(jī)器人運(yùn)動。

66、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的另一方面提出了一種電子設(shè)備，所述電子設(shè)備包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)上述的方法。

67、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的另一方面提出了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述的方法。

68、本技術(shù)實(shí)施例至少包括以下有益效果：

69、本技術(shù)可以構(gòu)建機(jī)器人控制問題；其中，機(jī)器人控制問題包括目標(biāo)函數(shù)和約束方程；根據(jù)拉格朗日乘子和非線性函數(shù)構(gòu)建機(jī)器人控制問題的偏差方程；基于偏差方程構(gòu)建混合積分型神經(jīng)網(wǎng)絡(luò)求解器；將混合積分型神經(jīng)網(wǎng)絡(luò)求解器轉(zhuǎn)換為離散時間下的矩陣形式作為離散時間模型；將機(jī)器人控制問題的預(yù)期目標(biāo)輸入到離散時間模型，求解得到關(guān)節(jié)角目標(biāo)解；將關(guān)節(jié)角目標(biāo)解發(fā)送到機(jī)器人的控制器，利用控制器根據(jù)關(guān)節(jié)角目標(biāo)解控制機(jī)器人運(yùn)動。通過結(jié)合神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和積分方程的求解特性，能夠在離散時間下規(guī)劃機(jī)器人的關(guān)節(jié)角進(jìn)而驅(qū)動機(jī)器人運(yùn)動，可實(shí)現(xiàn)機(jī)器人的實(shí)時控制和快速響應(yīng)，并適應(yīng)動態(tài)環(huán)境中的變化，同時提高了魯棒性、穩(wěn)定性以及適應(yīng)性。