[发明专利]一种基于大脑情感学习的机械臂控制方法

说明书

技术领域

本发明涉及机械臂控制领域，尤其涉及一种基于大脑情感学习的机械臂控制方法。

背景技术

大脑情感学习(Brain Emotional Learning，简称BEL)是Moren等于2000年基于大脑中杏仁体组织和眶额皮层组织间信息传递方式而提出的计算模型，该大脑情感学习模型主要包括杏仁核和眶额皮质两部分，其基本工作原理如图1所示。随后，大脑情感学习模型迅速发展并并广泛应用于控制工程，实际应用表明大脑情感学习模型在非线性系统控制中具有优良性能和巨大潜能。

机械臂控制系统是一个机械结构复杂具有时变、耦合以及不确定干扰的非线性系统。随着对机械臂控制要求的不断提高，传统的机械臂控制方法很难满足控制精度要求较高的非线性模型的实际需求，例如：传统PD(P表示比例控制，D表示微分控制)控制方法广泛应用于控制精度要求不高的工业现场中，而对于控制精度要求较高的非线性模型控制效果很不理想。

发明内容

针对现有技术中的上述不足之处，本发明提供了一种基于大脑情感学习的机械臂控制方法，能够实现机械臂在非线性系统中的精确控制。

本发明的目的是通过以下技术方案实现的：

一种基于大脑情感学习的机械臂控制方法，应用于机械臂控制器，包括：

步骤一、按照以下公式计算出感官输入SI和奖励信号REW；

在公式一和公式二中：SI表示感官输入；REW表示奖励信号；e表示给定速度与机械臂实际速度的差值，机械臂实际速度的初始值为0；u表示机械臂控制器的输出，u的初始值为0；K₁、K₂、K₃、K₄和K₅均表示调节系数；

步骤二、利用大脑情感学习模型对感官输入SI与奖励信号REW进行处理，并将杏仁体输出值与眶额皮质输出值的差值作为机械臂控制器的输出u，以控制机械臂运作；

步骤三、检测机械臂实际速度，并将其反馈到步骤一中进行感官输入SI和奖励信号REW的计算，用以实现机械臂的闭环控制。

由上述本发明提供的技术方案可以看出，本发明提供的基于大脑情感学习的机械臂控制方法将机械臂给定速度与机械臂实际速度的差值通过特定函数计算出感官输入，同时将机械臂给定速度与机械臂实际速度的差值以及机械臂控制器的输出通过特定函数计算出奖励信号，然后采用大脑情感学习模型对感官输入和奖励信号进行处理，并将杏仁体输出值与眶额皮质输出值的差值作为机械臂控制器的输出，用以控制机械臂运作。整个控制过程为闭环控制，通过反馈的机械臂实际速度以及大脑情感学习模型能够对非线性信号快速响应，从而实现了机械臂的精确控制。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为现有技术中大脑情感学习模型的基本工作原理示意图。

图2为本发明实施例中基于大脑情感学习的机械臂控制方法的原理示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

下面对本发明所提供的基于大脑情感学习的机械臂控制方法进行详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

如图2所示，一种基于大脑情感学习的机械臂控制方法，应用于机械臂控制器，其具体可以包括以下步骤：

步骤一、按照以下公式计算出感官输入SI和奖励信号REW：