(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211137827.8 (22)申请日 2022.09.19 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市七 星 区金鸡路1号 (72)发明人 党选举　张一晨　原翰玫　李晓　 伍锡如　张向文　张斌　季运佳　 邹水中　 (74)专利代理 机构 桂林市持衡专利商标事务所 有限公司 45107 专利代理师 陈跃琳 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 基于反馈校正的GRU神经网络机器人柔性关 节补偿控制方法 (57)摘要 本发明公开一种基于 反馈校正的GRU神经网 络机器人柔性关节补偿控制方法， 针对负载转矩 传感器的情况下， 通过反映负载大小变化的电机 驱动电流与关节扭转角之间的特性， 描述关节在 不同负载下的迟滞特性， 在GRU神经网络的基础 上引入反馈结构， 利用模型输出值与期望输出值 之间的误差组成补偿量， 反馈给GRU神经网络模 型， 用于校正GRU神经网络模型的输出值， 以提高 关节的GRU神经网络模型精度。 柔性关节迟滞模 型预测随负载变化的扭转角， 作为补偿量， 修改 关节的角度设定值， 从关节输入端， 间接实现对 关节迟滞特性造成误差的有效补偿 。 本发明是一 种低成本补偿 控制方法， 有利于低成本高精度轻 型工业机 器人的高端智能制造中的大量普及。 权利要求书2页 说明书7页 附图3页 CN 115319755 A 2022.11.11 CN 115319755 A 1.基于反馈校正的GRU神经网络机器人柔性关节补偿控制方法， 其特征是， 其包括步骤 如下： 步骤1、 对机器人柔性关节在t时刻的输入电流i<t>进行卡尔曼滤波后作 为改进的GRU神 经网络的输入层在t时刻的第一输入信号； 同时将改进的GRU神经网络在t ‑1时刻的输出信 号Δθ<t‑1>作为改进的GRU神经网络的输入层 在t时刻的第二输入信号； 步骤2、 先将机器人柔性关节在t ‑1时刻的角度设定值 与机器人柔性关节在t ‑1时 刻的角度测量值 作差， 得到机器人柔性关节在t ‑1时刻的扭转角Δθd<t‑1>， 其中Δ θd<t‑1>＝θd<t‑1>‑θc<t‑1>； 再将机器人柔性关节在t ‑1时刻的扭转角Δθd<t‑1>与改进的GRU神经 网络在t‑1时刻的输 出信号Δθ<t‑1>作差， 得到t ‑1时刻的扭转角的建模误差e<t‑1>， 其中e<t‑1> ＝Δθd<t‑1>‑Δθ<t‑1>； 后将t‑1时刻的扭转角的建模误差e<t‑1>作为改进的GRU神经网络在t时 刻的输出补偿信号； 步骤3、 基于改进的GRU神经网络的输入层在t时刻的第一输入信号、 第二输入信号和输 出补偿信号， 改进的GRU神经网络的 隐藏层将输入电流与输出扭转角的历史信息 建立关联， 并通过到 建模误差来修正改进的GRU神经网络的输出， 得到改进的GRU神经网络的输出层在 t时刻的输出信号Δθ<t>； 步骤4、 利用改进的GRU神经网络的输出层在t时刻的输出信号Δθ<t>对机器人柔性关节 在t时刻的角度设定值 进行补偿， 得到机器人柔性关节在t时刻补偿后的角度设定值 其中 并将机器人柔性关节在t时刻补偿后的角度设定值 提供给机器人柔 性关节的控制端。 2.根据权利要求1所述的基于反馈校正的GRU神经网络机器人柔性关节补偿控制方法， 其特征是， 改进的GRU神经网络的数 学模型如下： 其中， Δθ<t>表示改进的GRU神经网络在 t时刻的输出信号， Δθy<t>表示改进的GRU神经网 络在t时刻的中间输出信号， β 表示补偿系数， e<t‑1>表示表示改进的GRU神经网络在t时刻的 输出补偿信号， 表示改进的GRU神经网络在t时刻的更新门状态， 表示改进的GRU神 经网络在t时刻的重置门状态， 表示改进的GRU神经网络在t时刻的隐状态， 表示 改进的GRU神经网络在t时刻的第一输入信号， 表示改进的GRU神经网络在t时刻的第二 输入信号， 表示改进的GRU神经网络在t ‑1时刻的中间输出信号， Wz1、 Wr1和W1分别表 示更新门、 重置门和隐状态中与第一输入信号 对应的权值， Wz2、 Wr2和W2分别表示更新权　利　要　求　书 1/2 页 2 CN 115319755 A 2门、 重置门和隐状态中与第二输入信号 对应的权值， Uz、 Ur和U分别表示更新门、 重置门 和隐状态中与中间输出信号 对应的权值； 和by分别表示更新门、 重置门和 隐状态的偏置向量； σ( ·)表示sigmoid激活函数； tanh( ·)表示双曲正切激活函数； ⊙表示 Hadamard乘积。权　利　要　求　书 2/2 页 3 CN 115319755 A 3