[发明专利]一种机器人分散鲁棒跟踪控制方法、系统及存储介质

权利要求书

1.一种机器人分散鲁棒跟踪控制方法，其特征在于，包括：

获取模块化机器人的动力学模型；所述模块化机器人的动力学模型为：

式中，i为模块化机器人的第i个关节子系统，I_mi为模块化机器人转动轴的转动惯量，γ_i为模块化机器人的齿轮传动比，q_i为第i关节子系统的关节位置，为第i关节子系统的速度，为第i关节子系统的加速度，q为关节子系统的关节位置，为关节子系统的速度，为关节子系统的加速度，是关节摩擦项，是关节子系统间的耦合力矩交联项，τ_si是关节耦合力矩，f_ext是人与模块化机器人交互产生的交互力，J_i是雅可比矩阵，τ_i是电机输出转矩；

采用RBF神经网络辨识笛卡尔空间的人类运动意图；所述笛卡尔空间为与人类交互的工作空间；

利用模块化机器人的关节空间与笛卡尔空间的映射关系，得到关节空间的人类运动意图；

根据所述关节空间的人类运动意图和所述模块化机器人的动力学模型构建分散鲁棒控制器；所述分散鲁棒控制器包括：自适应补偿器和鲁棒控制器；

采用所述分散鲁棒控制器根据人类运动意图控制模块化机器人关节的运动；

所述根据所述关节空间的人类运动意图和所述模块化机器人的动力学模型构建分散鲁棒控制器，具体包括：

获取第一补偿控制律；所述第一补偿控制律为模块化机器人的关节子系统的建模确定项与交互力的补偿控制律；所述建模确定项基于所述模块化机器人的动力学模型确定；其中，第一补偿控制律为：

获取自适应补偿器的控制律和鲁棒控制器的控制律；

根据所述自适应补偿器的控制律和所述鲁棒控制器的控制律确定第二补偿控制律；其中，第二补偿控制律为：

根据所述第一补偿控制律和所述第二补偿控制律确定第三补偿控制律；所述第三补偿控制律即为所述分散鲁棒控制器的控制律；其中，第三补偿控制律为：

将第三补偿控制律带入模块化机器人的动力学模型中得到第i关节子系统的闭环表达式；其中，第i关节子系统的闭环表达式为：

基于第i关节子系统的闭环表达式完成模块化机器人依据人类意图进行运动的控制；

式中，u_i1为第一补偿控制律，为给定的摩擦参数的估计值，为，a_i为人类肢体动力学参数，u_i2为第二补偿控制律，为被设计用来补偿摩擦非线性不确定项的控制律，为与关节子系统的速度有关的矩阵，为用来补偿常参数不确定的控制律，为用来补偿变量不确定的控制律，u_uicn和u_vicn均为自适应补偿器，u_uivn和u_vivn均为鲁棒控制器，u_i为第三补偿控制律，λ为控制器参数，r_i为控制变量，为控制变量r_i的估计值，U_zi和V_zi为各关节子系统相互耦合的模型不确定性。

2.根据权利要求1所述的机器人分散鲁棒跟踪控制方法，其特征在于，所述采用RBF神经网络辨识笛卡尔空间的人类运动意图，具体包括：

获取所述RBF神经网络结构；

基于所述RBF神经网络结构确定初始人类运动意图；

获取能量函数；

采用所述能量函数在线调整所述初始人类运动意图的权值，得到调整后的权值；

采用所述调整后的权值调整所述初始人类运动意图，得到最终的笛卡尔空间的人类运动意图；所述最终的人类运动意图即为采用RBF神经网络辨识笛卡尔空间的人类运动意图。

3.根据权利要求2所述的机器人分散鲁棒跟踪控制方法，其特征在于，所述采用所述能量函数在线调整所述初始人类运动意图的权值，得到调整后的权值，具体包括：

采用梯度下降法根据所述能量函数确定权值更新律；

根据所述权值更新率确定所述调整后的权值。