[发明专利]软体机器人模型预测控制方法、装置、电子设备及介质

权利要求书

1.一种软体机器人模型预测控制方法，其特征在于，包括：

获取软体机器人的软体控制器的历史控制量，根据所述历史控制量构建软体控制器的软体控制模型；

获取所述软体控制器的实时控制量，根据所述实时控制量确定所述软体控制模型的总干扰误差，根据所述总干扰误差确定所述软体控制模型的补偿控制量；

根据软体控制模型和所述补偿控制量对所述软体控制器进行模型预测控制。

2.根据权利要求1所述的软体机器人模型预测控制方法，其特征在于，所述历史控制量和所述实时控制量均包括输入控制量和输出控制量，所述输入控制量包括占空比，所述输出控制量包括控制器弯曲角度。

3.根据权利要求1所述的软体机器人模型预测控制方法，其特征在于，所述根据历史控制量构建软体控制器的软体控制模型，包括：

构建初始观测函数，所述初始观测函数为无限维函数空间形式；

根据拓展模式分解算法将所述初始观测函数转换为有限维子空间形式的观测函数；

根据所述历史控制量构造快照对样本，将所述快照对样本升维构造为矩阵样本，基于所述矩阵样本进行矩阵计算得到库普曼算子的近似矩阵，并根据所述近似矩阵构建软体控制模型。

4.根据权利要求3所述的软体机器人模型预测控制方法，其特征在于，所述根据拓展模式分解算法将所述初始观测函数转换为有限维子空间形式的观测函数，包括：

定义有限维子空间的若干个基函数，若干个所述基函数之间线性无关；

对若干个所述基函数进行线性叠加得到有限维子空间形式的观测函数。

5.根据权利要求2所述的软体机器人模型预测控制方法，其特征在于，所述获取软体控制器的实时控制量，根据所述实时控制量确定所述软体控制模型的总干扰误差，包括：

设置采样时间间隔，通过扩展状态观测器采样得到软体控制器的实时控制量；

根据所述软体控制模型得到所述实时控制量的占空比对应的预测弯曲角度；

根据所述实时控制量和预测弯曲角度得到总干扰误差。

6.根据权利要求1所述的软体机器人模型预测控制方法，其特征在于，所述根据总干扰误差确定所述软体控制模型的补偿控制量，包括：

构建软体控制模型的控制律函数，基于所述软体控制模型的控制律函数和总干扰误差确定软体控制模型的补偿控制量。

7.根据权利要求1所述的软体机器模型预测控制方法，其特征在于，所述根据软体控制模型和所述补偿控制量对所述软体控制器进行模型预测控制，包括：

建立模型预测控制的代价函数，根据软体控制模型和所述补偿控制量求解所述代价函数，并确定预测时域中模型预测控制的最优控制序列；

将所述最优控制序列的第一个元素作为软体控制器的输入，控制软体机器人运动；

基于扩展状态观测器采样得到软体控制器的实时控制量，并基于软体控制模型得到软体控制器的预测弯曲角度；

基于所述软体控制器的预测弯曲角度和实时控制量更新总干扰误差，根据所述软体控制模型和总干扰误差确定下一预测时域的最优控制序列，所述下一预测时域与前一预测时域部分重叠，且所述下一预测时域晚于前一预测时域。

8.一种软体机器人模型预测控制装置，其特征在于，包括：

模型建立单元，获取软体机器人的软体控制器的历史控制量，根据所述历史控制量构建软体控制器的软体控制模型；

控制量补偿单元，获取所述软体控制器的实时控制量，根据所述实时控制量确定所述软体控制模型的总干扰误差，根据所述总干扰误差确定所述软体控制模型的补偿控制量；

动力学控制单元，根据软体控制模型和所述补偿控制量对所述软体控制器进行模型预测控制。

9.一种电子设备，其特征在于，包括存储器和处理器，其中，

所述存储器，用于存储程序；

所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述权利要求1至7中任意一项所述的软体机器人模型预测控制方法中的步骤。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机该程序在被处理器执行时，实现如权利要求1-7任意一项所述的软体机器人模型预测控制方法。