在MPC的设计理念下,基于数据的无模型预测控制系统,以及用于机器人手臂姿势跟踪的零化神经动力学
概括
本研究为冗余操纵器引入了基于数据的预测跟踪控制 (DBPTCPO),提高了姿势跟踪精度和能源效率. 该方法有效地处理关节约束和未知参数,使用归零神经动力学 (ZNs).
科学领域:
- 机器人技术 机器人技术 机器人技术
- 控制系统工程 控制系统工程
- 人工智能的人工智能
背景情况:
- 冗余操纵器的姿势跟踪控制对于机器人运动至关重要.
- 现有的方法通常依赖于模型参数,忽视了联合约束.
研究的目的:
- 为冗余操纵器提出基于数据的位置和方向的预测跟踪控制 (DBPTCPO).
- 解决未确定模型参数和联合约束的挑战.
- 通过最大限度地减少关节速度和加速,优化能源效率.
主要方法:
- 开发了一个DBPTCPO方案,最大限度地减少跟踪错误,关节速度和加速.
- 实施了一种基于归零神经动力学 (ZNs) 的方法,使用感觉和控制信号来估计雅可比矩阵.
- 设计了一个基于ZN的解决方案,用于二次编程 (QP) 问题与不平等约束.
主要成果:
- 拟议的DBPTCPO方案有效地处理了三级联合约束.
- 基于ZN的方法准确地估计了对具有不确定的参数的操纵器的雅可比矩阵.
- 与现有的控制方案相比,数值验证显示了更高的跟踪准确性.
结论:
- DBPTCPO方法为冗余操纵器中的姿势跟踪控制提供了一个强大的解决方案.
- 它提高了控制精度和能源效率,同时管理复杂的约束.
- 该方法适用于具有未知参数的系统,在机器人运动控制中提供了显著的进步.
