[发明专利]采用有限区间神经网络的冗余机器人重复运动规划方法

权利要求书

1.一种基于有限区间神经网络的机器人重复运动规划方法，其特征在于：所述方法包括以下步骤：

(1)在笛卡尔空间中给定机器人末端执行器的期望轨迹r_d(t)，并给出各个关节的期望关节角度θ_d(0)；

(2)对于重复运动的机器人，其初始关节角度为θ(0)＝θ₀，初始关节角度θ₀不同于期望关节角度θ_d(0)，即θ₀≠θ_d(0)；

(3)将冗余机器人重复运动规划描述为二次规划问题，给出渐近收敛性能指标，形成重复运动规划方案：

其中，

g(θ)＝-ρ₀(θ(t)-θ_d(0))

ρ₀0，θ(t)-θ_d(0)表示关节角度与期望关节角度的偏差，由于机器人初始位置不在期望轨迹上，因此终端执行器速度与关节速度的关系式的左边需要加上一个反馈偏差量，即r_d-f(θ)，该偏差量表示期望轨迹与实际轨迹之间存在的误差；由于人为构造的收敛关系，这个误差会不断地缩小，直至为零；参数β用来调节末端执行器运动到期望轨迹的速率，β0；J(θ)是根据机器人DH参数求出来的雅克比矩阵，f(θ)是机器人终端执行器实际轨迹；

(4)构建如下描述有限区间神经网络的动态特性方程

其中，

E为误差矩阵变量，E_ij为矩阵E的元素，ρ0,κ0,且q₁,q₂,p₁,p₂都是正奇数，满足q₁p₁，q₂p₂；

式(5)是有限区间稳定的，其有限时间收敛性需分两种情况说明：

1)当|E_ij(0)|≥1,从E_ij(0)到E_ij(t)＝0变化，收敛时间满足

2)当|E_ij(0)|1,从E_ij(0)到E_ij(t)＝0变化，收敛时间满足

综合式(6)和(7)，收敛时间为

(5)定义拉格朗日函数

其中，λ为拉格朗日乘子向量，关于和λ分别求偏导，并令其为零，经整理得

W(t)Y(t)＝v (10)

其中，

I为单位矩阵；

(6)为求解步骤(3)中的二次规划问题，由式(10)定义误差

E(t)＝W(t)Y(t)-v (11)

根据有限区间神经网络动态特性方程式(5)，给出有限区间神经网络方程

通过神经网络计算过程，得到机器人各个关节角度。