基于高斯过程非保守概率误差界的机器人安全控制方法

专利主权项内容

1.一种基于高斯过程非保守概率误差界的机器人安全控制方法，包括以下步骤：步骤一，基于传感器测量机器人的状态与状态变化率，利用高斯过程在线学习机器人动力学模型：给定机器人动力学模型，其中/>、/>均为已知并且满足李普希兹连续的系统函数，/>是未知的动力学残差项；机器人的状态/>与机器人的状态变化率/>通过传感器测量得到，/>与/>的差值是/>的噪声观测值；构建在线数据集/>，其中/>，上标表示在线数据集/>的容量，/>表示/>中第/>个机器人状态，/>表示第/>个噪声观测值；随时间递增，迭代在线数据集/>，并在线训练机器人动力学模型，输出后验均值/>与后验方差/>；步骤二：基于在线数据集，利用逆韦伯分布，分别估计未知的动力学残差项/>、后验均值/>和后验方差/>的李普希兹常数/>、/>和/>：提取在线数据集/>中的机器人状态数据/>，并使用随机方法将机器人状态数据中的元素两两组合，且每个组合中的两个机器人状态的距离不超过设定阈值/>，构成新的集合/>，；过程A：通过差分法求解从集合中提取的/>个元素的函数变化率，并在/>个函数变化率中选择最大值；将过程A重复次，获取与/>个过程A的结果最接近的逆韦伯分布，所述逆韦伯分布的位置参数即为李普希兹常数/>、/>和/>的估计；步骤三：基于后验方差与所估计的李普希兹常数/>、/>与/>，计算非保守概率误差界/>，以评估机器人动力学模型的不确定性对安全的威胁程度；步骤四：基于非保守概率误差界与控制屏障函数构建实现安全控制的二次规划方程，并通过前馈控制器补偿动力学残差项，实现对机器人的安全控制：给定初始的标称控制量，通过设计控制屏障函数构建二次规划方程，以修正标称控制量/>；同时在二次规划方程的约束不等式中引入非保守概率误差界/>，进一步修正标称控制量，输出优化后的控制量/>；通过对机器人动力学模型在线学习获得的后验均值，构建前馈控制器：，补偿模型残差项/>，其中，/>表示伪逆；补偿后的控制量作为最终控制量直接作用于机器人的控制。。来自马-克-数-据-官网