[发明专利]一种基于神经动力学方法的软体机器人控制方法

说明书

本发明公开了一种基于神经动力学方法的软体机器人控制方法，包括以下步骤：1、对于当前时刻t，结合软体机器人的末端坐标位置、目标轨迹和其速度，以及软体机器人的雅可比矩阵的逆，建立一个表示软体机器人驱动器状态变化率的一阶微分方程；2、根据软体机器人末端位姿和驱动器的状态的变化率确定雅可比矩阵，对雅可比矩阵使用零化神经动力学得到一个关于雅可比矩阵的逆的一阶微分方程；3、确定步骤1和步骤2的两个微分方程的初始条件并将两个微分方程联合起来求解；4、由步骤3得到的结果，得出软体机器人驱动器的状态，从而驱动机器人运动。本发明的达到较高的精确度，只需要模型的雅可比矩阵和目标轨迹信息便能完成追踪任务。

技术领域

本发明涉及机器人控制技术领域，尤其涉及一种基于神经动力学方法的软体机器人控制方法。

背景技术

软体机器人的应用领域非常广泛，从工业领域到医疗领域都得到广泛使用。软体机器人的主要特征是其能够任意弯曲，由于内在的顺从性，使得其非常灵活并且能够在受限的环境进行安全的交互。但是正是由于这种柔软性，控制软体机器人变得具有挑战性，常见的控制软体机器人的方法有基于神经网络的方法、自适应控制方法、雅可比矩阵伪逆的方法。本发明所使用的方法是基于雅可比矩阵伪逆的方法，使用本发明的方法可以驱动软体机器人做出特定的运动，从而完成各种任务。

如图1所述，现有的雅可比矩阵伪逆的方法控制软体机器人，该方法通过求解微分方程得到驱动器的状态q,其中W为一个避免驱动器末端停止的对角矩阵，K为减少实际轨迹和目标轨迹误差的对角矩阵，J为连续体机器人的雅可比矩阵，x_d为目标轨迹，为目标轨迹的导数，x为实际轨迹。求得驱动器状态后驱动软体机器人运动，实际x将发生变化并且作为下一状态的输入，通过反复的迭代上述过程，最终可以完成设定的任务。

但是，上述精确度不够高，不能胜任对精确度要求严格的任务。其次，求解时需要估计矩阵W和K，有些机器人模型难以估计。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于神经动力学方法的软体机器人控制方法，以解决现有技术的不足。

为实现上述目的，本发明提供了一种基于神经动力学方法的软体机器人控制方法，包括以下步骤：

步骤1、对于当前时刻t，结合软体机器人的末端坐标位置、目标轨迹和其速度，以及软体机器人的雅可比矩阵的逆，建立一个表示软体机器人驱动器状态变化率的一阶微分方程；

步骤2、根据软体机器人末端位姿和驱动器的状态的变化率确定雅可比矩阵，对雅可比矩阵使用零化神经动力学得到一个关于雅可比矩阵的逆的一阶微分方程；

步骤3、确定步骤1和步骤2的两个微分方程的初始条件并将两个微分方程联合起来求解；

步骤4、由步骤3得到的结果，得出软体机器人驱动器的状态，从而驱动机器人运动。

优选的，所述步骤1对于当前时刻t，结合软体机器人的末端坐标位置、目标轨迹和其速度，以及软体机器人的雅可比矩阵的逆，建立一个表示软体机器人驱动器状态变化率的一阶微分方程，具体为：

根据软体机器人的运动学公式，建立软体机器人驱动器状态变化率的一阶微分方程；

其中，软体机器人的运动学公式为：r(t)＝f(u(t))，其中r(t)表示t时刻机器人末端的坐标，u(t)表示t时刻机器人驱动器的状态，f(·)是一个映射，由机器人的模型确定；

软体机器人驱动器状态变化率的一阶微分方程为其中表示驱动器状态变化率，r_d(t)和表示目标轨迹和其导数，J⁺(t)表示雅可比矩阵的逆，雅可比矩阵τ为大于0的参数。

优选的，所述步骤2对雅可比矩阵使用零化神经动力学得到一个关于雅可比矩阵的逆的一阶微分方程具体方法为：