[发明专利]一种机器人神经网络式计算力矩控制器训练平台及训练方法

权利要求书

1.一种机器人神经网络式计算力矩控制器训练平台及训练方法，其特征是，所述的训练平台由上位控制单元、开放式运动控制驱动单元、高速并联机器人虚拟现实单元、数据采集与通信单元及基于人工神经网络的自适应控制模型组成；所述的上位控制单元完成运动规划及过程监视；所述的开放式运动控制驱动单元包括运动控制器、驱动器、伺服电机，是完成上位控制单元控制指令向电控驱动转化的实电部分；所述的高速并联机器人虚拟现实单元用于实现高速并联机器人虚机及相关三维场景的构建；所述的数据采集与通信单元实现所述上位控制单元、开放式运动控制驱动单元及高速并联机器人虚拟现实单元三者间相互的数据通讯，并能够采集人工神经网络所需训练样本；所述的基于人工神经网络的自适应控制模型由并行工作的神经网络式机器人逆动力学模型逼近器与线性比例微分反馈控制器组成。

2.一种权利要求1所述的机器人神经网络式计算力矩控制器的训练方法，其特征在于该方法具体步骤如下：

（1）以权利要求1所述的上位控制单元、开放式运动控制驱动单元、高速并联机器人虚拟现实单元及数据采集与通信单元为组成部分，搭建高速并联机器人虚机实电控制系统；

（2）建立基于人工神经网络的自适应控制模型，该模型由并行工作的神经网络式机器人逆动力学模型逼近器与线性比例微分反馈控制器组成，神经网络式机器人逆动力学模型逼近器的输出力矩与线性比例微分反馈控制器的输出力矩之和作为控制器的信号输入，驱动高速并联机器人虚机各关节运动；

（3）将步骤（2）所述的基于人工神经网络的自适应控制模型嵌入步骤（1）所述的高速并联机器人虚机实电控制系统，得到高速并联机器人虚机实电训练平台；

（4）从步骤（3）所述的高速并联机器人虚机实电训练平台中获取期望的运动轨迹及相对应的高速并联机器人虚机的实际运动轨迹的若干组数据，作为训练样本；

（5）将步骤（4）所述的训练样本输入步骤（2）所述的基于人工神经网络的自适应控制模型对其进行训练，并以步骤（2）中所述的线性比例微分反馈控制器的输出力矩作为其调整参照指标，不断调整人工神经网络的连接权值和阈值，待所述的线性比例微分反馈控制器的控制作用至可忽略的程度时，训练过程结束；

（6）舍去步骤（5）训练的基于人工神经网络的自适应控制模型中的线性比例微分反馈控制器，保留所述的神经网络式机器人逆动力学模型逼近器，并固化所述的神经网络式机器人逆动力学模型逼近器内人工神经网络的连接权值和阈值，即得神经网络式计算力矩控制器；

（7）用步骤（6）所述的神经网络式计算力矩控制器替换步骤（3）中所述的基于人工神经网络的自适应控制模型，得到力矩控制的高速并联机器人控制系统。