基于自适应神经网络的机器人模型预测控制方法 | |
康二龙; 高洁; 乔红 | |
2021-04-23 | |
著作权人 | 中国科学院自动化研究所 |
专利号 | ZL202010698815.7 |
国家 | 中华人民共和国 |
关键词 | 机器人控制 模型预测控制 自适应神经网络 |
文献子类 | 发明专利 |
英文摘要 | 本发明属于智能机器人控制、时变非线性系统控制领域,具体涉及一种基于自适应神经网络 的机器人模型预测控制方法、系统、装置,旨在解决存在模型不确定性以及输入约束的情况下,机械臂的最优跟踪控制问题。本系统方法包括:计算跟踪误差;通过动作网络获取预测控制率,并更新动作‑评价网络的权重值;判断i是否大于设定的预测时长,若是,则判断动作‑执行网络权重 变化是否满足阈值或迭代次数大于最大迭代次数,若是,则通过动作网络计算机械臂tk ‑tk+1时 刻的实际控制率,作用于机械臂,否则通过预构建的预测模型获取tk+i+1时刻的跟踪误差,并循环获取预测控制率;循环生成实际控制率,直至机械臂到达设定的目标位置。本发明提高了机器人模型预测控制的性能。 |
申请日期 | 2020-07-20 |
语种 | 中文 |
状态 | 已授权 |
内容类型 | 专利 |
源URL | [http://ir.ia.ac.cn/handle/173211/48827] |
专题 | 自动化研究所_复杂系统管理与控制国家重点实验室_机器人应用与理论组 |
通讯作者 | 乔红 |
作者单位 | 中国科学院自动化研究所 |
推荐引用方式 GB/T 7714 | 康二龙,高洁,乔红. 基于自适应神经网络的机器人模型预测控制方法. ZL202010698815.7. 2021-04-23. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论