公开(公告)号：CN107160398B

公开(公告)日：2019-07-12

申请号：CN201710458865.6

申请日：2017-06-16

Applicant: 华南理工大学

Inventor： 王敏 ,  邹永涛 ,  陈志广 ,  张燕雯

IPC: B25J9/16

Abstract: 本发明公开了一种基于确定学习的全状态受限刚性机械臂安全可靠控制方法，该方法包括下述步骤：建立全状态受限刚性机械臂的动力学模型和期望的周期轨迹；建立状态转换器；非仿射模型构造成仿射模型；定义转换后机械臂的角位置的跟踪误差；设计补偿跟踪误差信号；设计基于确定学习的神经网络控制器；建立基于经验知识的静态神经网络控制器。该方法不仅能够保证跟踪误差最终收敛到零的小邻域内，还能限制机械臂运行在一个给定的安全的工作区间内，采用确定学习理论，实现了对刚性机械臂不确定闭环动态的学习，并将收敛的神经网络权值进行存储，利用存储的经验知识避免了冗余训练，提高了系统的响应速度，改善了刚性机械臂暂态过程的跟踪性能。

公开(公告)号：CN107160398A

公开(公告)日：2017-09-15

申请号：CN201710458865.6

申请日：2017-06-16

Applicant: 华南理工大学

Inventor： 王敏 ,  邹永涛 ,  陈志广 ,  张燕雯

IPC: B25J9/16

CPC classification number: B25J9/163 ,  B25J9/161 ,  B25J9/1651

Abstract: 本发明公开了一种基于确定学习的全状态受限刚性机械臂安全可靠控制方法，该方法包括下述步骤：建立全状态受限刚性机械臂的动力学模型和期望的周期轨迹；建立状态转换器；非仿射模型构造成仿射模型；定义转换后机械臂的角位置的跟踪误差；设计补偿跟踪误差信号；设计基于确定学习的神经网络控制器；建立基于经验知识的静态神经网络控制器。该方法不仅能够保证跟踪误差最终收敛到零的小邻域内，还能限制机械臂运行在一个给定的安全的工作区间内，采用确定学习理论，实现了对刚性机械臂不确定闭环动态的学习，并将收敛的神经网络权值进行存储，利用存储的经验知识避免了冗余训练，提高了系统的响应速度，改善了刚性机械臂暂态过程的跟踪性能。