一种基于L-SHADE-MLP的机器人定位误差预测方法及系统

    公开(公告)号:CN117798920A

    公开(公告)日:2024-04-02

    申请号:CN202410052232.5

    申请日:2024-01-12

    Abstract: 本发明属于机器人定位误差相关技术领域,其公开了一种基于L‑SHADE‑MLP的机器人定位误差预测方法及系统,包括以下步骤:(1)利用定位误差及其对应的机器人关节角数据对MLP模型进行训练;(2)将MLP参数模型转换为改进L‑SHADE算法的种群个体,并初始化种群;(3)对种群个体执行变异操作和交叉操作以得到试验个体;(4)对比试验个体及初始个体的适应度以选择出优秀个体,同时自适应调整进化参数;(5)判断是否满足停止迭代条件;(6)将最优MLP个体解码为MLP参数模型,并完成MLP模型的局部寻优,得到最终MLP模型,进而预测新的机器人关节角所对应的定位误差。本发明克服了MLP模型容易陷入局部最优解的缺点。

    一种基于增量支配MPC的高速高精轨迹跟踪控制方法和系统

    公开(公告)号:CN117519207A

    公开(公告)日:2024-02-06

    申请号:CN202311678565.0

    申请日:2023-12-08

    Abstract: 本发明公开了一种基于增量支配MPC的高速高精轨迹跟踪控制方法和系统,其中方法包括:在增量MPC控制器的基础上,通过二进制编码定量定义相邻控制增量之间的支配关系,构建支配关系向量DRV,使待求解的控制增量受限以降低在线求解自由度。然后,利用状态量的平均误差和平均求解时间构建损失函数,并基于BiEO算法对支配关系向量中的受限部分进行优化,进而得到支配关系矩阵DRM。最后,利用支配关系矩阵重构MPC的目标函数与约束条件,建立增量支配MPC控制器,可实现高速高精的轨迹跟踪效果。本发明可有效解决传统MPC难以满足高采样率快速系统的实时控制问题,在不影响控制平稳性的基础上,对控制精度有一定的提升,实时性明显,可实现高速高精跟踪控制。

Patent Agency Ranking