[发明专利]不确定环境接触下的可重构机器人分散学习最优控制方法有效
| 申请号： | 201711017777.9 | 申请日： | 2017-10-26 |
| 公开（公告）号： | CN107544261B | 公开（公告）日： | 2020-07-24 |
| 发明（设计）人： | 董博;王梓旭;周帆;李岩;刘克平;李元春 | 申请（专利权）人： | 长春工业大学 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 北京中理通专利代理事务所(普通合伙) 11633 | 代理人： | 刘慧宇 |
| 地址： | 130012 吉林*** | 国省代码： | 吉林;22 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 不确定环境接触下的可重构机器人分散学习最优控制方法，属于机器人控制算法领域，为了解决传统的可重构机器人控制方法中存在机器人关节的抖振效应及稳定性和控制精度低的问题，首先建立可重构机器人系统动力学模型，通过对可重构机器人关节子系统间的耦合力矩交联项的分析，然后构建代价函数与HJB方程，通过基于策略迭代的学习算法，来求HJB方程的解，接下来采用神经网络对代价函数进行近似，最后通过仿真验证所提出控制方法的有效性；该方法可以在面向不确定环境接触的条件下，使机器人系统实现良好的稳定性与控制精度，可以在提高可重构机器人控制精度的同时，降低系统执行器的能耗，并降低了机器人系统动力学模型的复杂性。 | ||
| 搜索关键词： | 不确定 环境 接触 可重构 机器人 分散 学习 最优 控制 方法 | ||
【主权项】：
不确定环境接触下的可重构机器人分散学习最优控制方法，其特征是，首先建立可重构机器人系统动力学模型，通过对可重构机器人关节子系统间的耦合力矩交联项的分析，然后构建代价函数与HJB方程，通过基于策略迭代的学习算法，来求HJB方程的解，接下来采用神经网络对代价函数进行近似，最后通过仿真验证所提出控制方法的有效性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长春工业大学，未经长春工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711017777.9/，转载请声明来源钻瓜专利网。
