(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 202210909372.0 (22)申请日 2022.07.29 (71)申请人 华南理工大 学 地址 510640 广东省广州市天河区五山路 381号 申请人 佛山纽欣肯智能科技有限公司 (72)发明人 王敏　林梓欣　戴诗陆　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 李斌 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 基于外环速度补偿的封闭机器人任务空间 学习控制方法、 存 储介质及机 器人 (57)摘要 本发明公开了一种基于外环速度补偿的封 闭机器人任务空间学习控制方法、 存储介质及机 器人， 方法包括： 建立具有内部速度PI控制器的 封闭机器人动力学和运动学模型， 并构建期望的 末端周期轨迹； 设计自适应神经网络速度补偿控 制指令， 利用确定学习理论获取经验知识， 并通 过参数收敛性质获取机器人运动学知识； 基于所 获知识设计速度补偿学习控制指令。 本发明所设 计方法通过分离封闭机器人动力学和运动学， 在 运用确定学习理论实现系统经验知识获取的基 础上， 保证了未知运动学参数的收敛， 实现了学 习控制算法在具有未知动力学和运动学封闭机 器人系统上的应用， 基于所获知识设计的速度补 偿学习控制指令， 在节省计算资源的同时提升了 机器人暂态 跟踪性能。 权利要求书3页 说明书10页 附图5页 CN 115122335 A 2022.09.30 CN 115122335 A 1.基于外环速度补偿的封闭机器人任务空间学习控制方法， 其特征在于， 包括下述步 骤： S1、 建立具有内部速度PI控制器的封闭机器人动力学模型和运动学模型， 并构建期望 的末端周期轨 迹； S2、 运用动态布置神经元的方式构建神经网络， 结合李雅普诺夫稳定性理论设计自适 应神经网络速度补偿控制指令， 利用确定 学习理论将收敛后的神经网络权值 保存为常值 权值 并通过参数收敛性质将收敛后的未知运动学参数估计值 保存为常值运动学参数 所述自适应神经网络 速度补偿控制指令如下： z1＝x1‑xd1 其中， α1为封闭机器人系统虚拟控制器， 为封闭机器人关节参考速度， 为自适应神 经网络速度补 偿控制指令， z1为封闭机器人末端跟踪误差， x1为封闭机器人末端在任务空间 的位置， xd1为封闭机器人末端期 望的任务空间位置周期 轨迹， 为封闭机器人末端期 望的 任务空间速度周期轨迹， 为被估计雅可比矩阵的逆， 为未知运动学参数ak的估 计值， 为神经网络权值的估计值， Φ( β )＝[φ1(||β‑θ1||),…,φN(||β‑θN||)]T为神经网 络高斯型径向基函数， θk为中心点， ρk为宽 度， N为神经网络布 点数， 为神经网络的输入， q为封闭机器人关节的角位 置， 为封闭机器人 的关节角速度， qc为对 积分得到的位置补偿控制指令， 为封闭机器 人关节参考速度 的导数， c1为α1中的正常数控制增益， c2为 中的正常数控制增益,s为控 制器设计过程中的中间误差变量； 所述神经网络 权值 的更新律为： 其中， γ1为神经网络 权值更新 律的增益项， σ1为神经网络 权值更新 律的设计常数； 所述未知运动学参数估计值 的更新律为： 其中， 为封闭机器人运动学回归矩阵， γ2为未知运动学参数更新律的增益项， σ2为未知运动学参数 更新律的设计常数； S3、 利用常值权值 和常值运动学参数 设计常值神经网络 速度补偿控制指令： 2.根据权利要求1所述基于外环速度补偿 的封闭机器人任务空间学习控制方法， 其特权　利　要　求　书 1/3 页 2 CN 115122335 A 2征在于， 步骤S1中， 所述PI控制器具体为： 其中， KP为比例系数， KI为积分系数， 均为未知对角正定矩阵。 3.根据权利要求1所述基于外环速度补偿 的封闭机器人任务空间学习控制方法， 其特 征在于， 步骤S1中， 所述封闭机器人动力学模型， 具体为： 其中， M(q)为封闭机器人的未知惯性矩阵， 该矩阵对称且一致正定， 为封闭机器 人的未知科氏力和离心力矩阵， G(q)为封闭机器人的未知重力向量， u为封闭机器人内部速 度PI控制器， K为封闭机器人系统内部控制增益， 为未知常值对角正定矩阵。 4.根据权利要求1所述基于外环速度补偿 的封闭机器人任务空间学习控制方法， 其特 征在于， 步骤S1中， 所述封闭机器人运动学模型， 具体为： x1＝f(q) 其中， f(·)表示封闭机器人从关节空间角度到任务空间坐标的映射； 对该运动学模型求 导如下： 其中， 为封闭机器人末端在任务空间的速度， J(q,ak)为参数未知的雅可比矩阵。 5.根据权利要求1所述基于外环速度补偿 的封闭机器人任务空间学习控制方法， 其特 征在于， 步骤S1中， 所述期望的末端周期轨 迹， 具体为： 其中， xd2为封闭机器人末端期望的任务空间速度周期轨迹， f(xd1,xd2)为给定的连续周 期函数。 6.根据权利要求1所述基于外环速度补偿 的封闭机器人任务空间学习控制方法， 其特 征在于， 步骤S2中， 运用动态 布置神经 元的方式构建神经网络， 具体为： S21、 定义 新增神经元参数： P＝<θp, ρp,Wp> 其中， θp, ρp,Wp分别为新增神经元的中心、 宽度和权值； S22、 定义新增神经元的中心： 其中， 是神经元集合Cmin的平均中心位置， Cmin为由距离当前输入最近的l个神经元 构成的集 合， λ为决定新增 神经元与集合Cmin距离的可设计参数； S23、 判断是否新增 神经元： 定义可调阈值ν， 当神将网络输入β 与神经元集合Cmin的平均中心位置 大于阈值时， 按照已设置的参数定义 新增神经元。 7.根据权利要求1所述基于外环速度补偿 的封闭机器人任务空间学习控制方法， 其特 征在于， 步骤S2中， 利用确定学习理论将收敛后的神经网络权值 保存为常值权值 具体权　利　要　求　书 2/3 页 3 CN 115122335 A 3