一种机器人系统的智能学习输出调控方法
摘要文本
本发明涉及一种机器人系统的智能学习输出调控方法，具体为一种在不确定性和未知扰动情况下的机器人欧拉‑拉格朗日系统的智能学习输出调控方法。本发明针对具有不确定性和未知扰动的机器人系统，提出了一种机器人系统的智能学习输出调控方法设计。利用动力学原理构建机器人系统的欧拉‑拉格朗日模型，设计输出调控方法对其进行轨迹跟踪控制是机器人控制的核心内容。相比于一些传统的鲁棒控制方法需要依赖参考轨迹及其一阶和二阶导数的先验知识，本方法只依赖于相对速度和相对位置，且方法的鲁棒控制有更高的鲁棒性，能处理现有自适应鲁棒控制方法中可能存在鲁棒性问题，并且可以实速度和位置跟踪误差的全局渐进稳定。
申请人信息
- 申请人:北京理工大学
- 申请人地址:100081 北京市海淀区中关村南大街5号
- 发明人: 北京理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种机器人系统的智能学习输出调控方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410072283.4 |
| 申请日 | 2024/1/18 |
| 公告号 | CN117590754A |
| 公开日 | 2024/2/23 |
| IPC主分类号 | G05B13/04 |
| 权利人 | 北京理工大学 |
| 发明人 | 吕茂斌; 解博炜; 邓方; 刘格远 |
| 地址 | 北京市海淀区中关村南大街5号 |
专利主权项内容
1.一种机器人系统的智能学习输出调控方法，其特征在于该方法的步骤包括：步骤 S1，建立机器人欧拉-拉格朗日模型；步骤 S2，建立外部系统模型，外部系统模型包括外界扰动模型和目标轨迹模型；步骤 S3，根据步骤S1建立的机器人欧拉-拉格朗日模型和步骤S2建立的外部系统模型求解全局解；步骤 S4，根据步骤 S3的求解结果，构造新系统；步骤 S5，依据步骤S4构造的新系统，设置可控组合，并求解西尔韦斯特方程；步骤 S6，依据步骤S5的求解结果，对步骤S4构造的新系统进行坐标变换；步骤 S7，根据步骤S1建立的机器人欧拉-拉格朗日模型、步骤S2建立的外部系统模型和步骤S5的求解结构构造动态补偿模型；步骤 S8，根据步骤S1建立的机器人欧拉-拉格朗日模型和步骤S2建立的外部系统模型，得到流形模型；步骤 S9，根据步骤S8得到的流形模型和步骤S5中设置的可控组合，获取光滑矩阵值函数；步骤 S10，根据步骤S6得到的坐标变换后的新系统、步骤S7得到的动态补偿模型和步骤S9得到的光滑矩阵值函数，得到针对步骤S1建立的欧拉-拉格朗日模型和步骤S2建模的外部系统模型的鲁棒控制器。