[发明专利]一种抗噪声干扰的冗余度机械臂路径规划方法

说明书

本发明公开了一种抗噪声干扰的冗余度机械臂路径规划方法及系统，所述方法包括：1)根据实际冗余度机械臂参数指标建立时变二次规划模型，并引入冗余度机械臂的性能指标；2)使用拉格朗日乘数法，对时变二次规划模型进行最优值优化；3)根据优化公式设计一个标准矩阵等式；4)根据实际物理模型系统及标准矩阵等式，设计出系统的偏差函数方程；5)根据偏差函数方程及幂型变参递归神经动力学方法设计一种抗噪声干扰的冗余度机械臂路径规划方法，该方法所求得到的网络状态解即为最优解。本发明在外界噪声环境的干扰下，冗余度机械臂的实际运动路径也能够与期望路径重合，大大提高了计算速度，具有精度高、收敛快、实时性强、鲁棒性好等特点。

技术领域

本发明涉及一种机械臂路径规划方法，尤其涉及一种抗噪声干扰的冗余度机械臂路径规划方法。

背景技术

所谓噪声干扰，就是在机械设备执行操作任务时，周边负载设备的开关机、发电机、无线电通讯等对正在执行操作任务的机械造成的各种各样变化负责的干扰。噪声干扰往往会对精密器械或计算机设备造成故障，还可能造成程序与档案的执行错误等。因此，在考虑一个复杂的机械系统的路径规划及操作时，把噪声项造成的影响考虑进去是非常必要的。

所谓冗余度，就是从安全角度考虑多余的一个量，这个量就是为了保障仪器、设备或某项工作在非正常情况下也能正常运转。目前大多现代产品和工程设计中都应用了冗余度这个思想和理论。冗余度机械臂指机械臂自由度的数量多于完成任务时所必须的自由度的数量，由于具有更多的自由度，冗余度机械臂在完成末端执行器的各种任务时，还可以同时完成诸如障碍物躲避、关节角极限约束、机械臂奇异等额外工作。传统用于解决冗余度机械臂逆运动学问题的方法是基于伪逆的方法，该方法计算量大、实时性差、问题约束单一，在实际的机械臂应用与操作中受到极大制约。近年来，基于二次规划问题的用于解决冗余度机械臂运动规划的方案被提出，并得到了一定的发展。这其中又分为数值方法求解器和神经网络求解器。相较于传统的数值方法求解器，最近新兴出现的神经网络求解器由于其实时性能好、效率高等特点，越来越受到人们追捧。

而在现有技术中，最接近于解决二次规划问题的方法是离散数值方法，但在面对庞大且复杂的数据时，这样一种方法显然是效率不足且不稳定的。于是，一种基于梯度下降的神经网络模型被提出，并用于求解二次规划问题。然而，这样一种基于梯度下降的神经网络并不能很好地解决二次规划问题，因为实际情况往往与事件相关，这样必然会导致实验产生一些无法估计的剩余误差，且这些误差无法收敛到零。这就意味着，我们在处理二次规划问题时，需要更快的收敛速度和更高的收敛精度。在这样一个背景下，张神经网络被提出并得到了很好的发展。张神经网络是一种用于解决机械臂路径规划的传统方法，这样一种神经网络模型能够解决时变条件下的二次规划问题。通过衍生出的时间系数，张神经网络可以得到二次规划问题的最有化解。然而，在计算数据变得庞大，尤其是要考虑复杂的噪声干扰时，我们往往需要更多的时间去计算结果，这对于实践操作是不利的。

由于传统的梯度神经网络和张神经网络等固定参数递归神经网络方法要求收敛参数(实际电路系统中为电感参数值或电容参数的倒数值)需要被设定得尽可能的大，以得到更快的收敛性能。当神经网络应用在实际的系统中时，这样一种要求是不实且难以满足的。除此之外，在实际系统中，电感参数值和电容参数值的倒数通常是时变的，特别是大型的电力电子系统，交流电机控制系统，电力网络系统等，系统参数设定为固定值是不合理的。

发明内容

本发明的目的在于克服现有技术的不足，提供一种抗噪声干扰的冗余度机械臂路径规划方法，该方法能够在外界噪声环境的干扰下，使冗余度机械臂的实际运动路径也能够与期望路径重合，大大提高了计算速度，具有精度高、收敛快、实时性强、鲁棒性好等特点。

本发明的另一目的在于提供一种抗噪声干扰的冗余度机械臂路径规划系统。

本发明的目的可以通过采取如下技术方案达到：

一种抗噪声干扰的冗余度机械臂路径规划方法，所述方法包括：