[发明专利]一种基于人工神经网络的机器人外界接触力估计方法

权利要求书

1.基于人工神经网络的机器人外界接触力估计方法，其特征在于，包括以下步骤：

S1：对机器人动力学模型进行变型处理，将其分成线性模型部分和非线性模型部分，具体包括以下步骤：

S11、确定机器人动力学模型，表示为：

S12、设置系统状态向量获得机器人动力学模型的状态空间方程为：

S13、定义矩阵并利用这两个矩阵对模型状态空间方程进行处理得到一个统一的方程式，处理后的模型状态空间方程式表示为：

S14、利用一个稳定的伴随矩阵，且存在两个正定对称矩阵使得伴随矩阵满足李雅普诺夫方程，利用该伴随矩阵对模型状态空间方程进行变型处理获取稳定的线性表达式；

其中，为加速度信号，为速度信号，q为位置信号，M为惯性矩阵，V为科里奥利力和向心力，g为重力转矩，d为未知干扰，T_c为机器人控制力矩；I为单位矩阵；

S2：针对机器人模型非线性部分，采用径向基函数神经网络对进行近似逼近，获得新的机器人动力学模型；

S3：针对得到的新的机器人动力学模型，设计基于径向基函数神经网络的自适应观测器来估计模型非线性部分和未知干扰；

S4：将估计出的模型非线性部分和未知干扰反馈到系统模型中，对相应部分进行补偿，获取线性化的机器人动力学模型；

S5：当外界施加力作用在机器人上时，根据线性化的机器人动力学模型，设计主观观测器对外界施加力进行估计。

2.根据权利要求1所述的基于人工神经网络的机器人外界接触力估计方法，其特征在于，利用伴随矩阵对模型状态空间方程进行变型处理，处理后得到的系统状态方程为：

其中，A_c为伴随矩阵；处理后得到的系统状态方程中非线性部分包括和B(M^-1-I)T_c，未知干扰为-BM^-1d，其余为线性部分。

3.根据权利要求2所述的基于人工神经网络的机器人外界接触力估计方法，其特征在于，伴随矩阵A_c表示为：

其中，r₁、r₂为矩阵参数。

4.根据权利要求1所述的基于人工神经网络的机器人外界接触力估计方法，其特征在于，针对机器人模型非线性部分，采用径向基函数神经网络对进行近似逼近，获得新的机器人动力学模型，具体包括：

S21、根据任意非线性函数，确定径向基函数神经网络表达式；

S22、基于径向基函数神经网络的表达式对机器人动力学模型非线性部分进行逼近；

S23、根据近似逼近得到的非线性部分代入机器人动力学模型，即将机器人动力学模型的非线性部分替换为人工神经网络近似逼近得到的非线性部分，获得新的机器人动力学模型。

5.根据权利要求1所述的基于人工神经网络的机器人外界接触力估计方法，其特征在于，基于径向基函数神经网络的自适应观测器表示为：

其中，A_c为伴随矩阵；B表示为I为单位矩阵；为机器人动力模型中非线性的径向基函数神经网络权重因子的预测值；为机器人动力模型中非线性函数的径向基数；T_c为机器人控制力矩，为机器人控制力矩的第i个分量，机器人控制力矩共有n个分量；v为鲁棒性项；表示第k个离散时刻系统状态方程的预测量。

6.根据权利要求5所述的基于人工神经网络的机器人外界接触力估计方法，其特征在于，设置机器人动力模型中非线性的径向基函数神经网络权重因子的预测值以及鲁棒性项，令系统状态向量预测值的误差和机器人动力模型中非线性的径向基函数神经网络权重因子的预测值误差为一致有界的，即满足：

其中，F₁、是正定对称常数矩阵，k₁、k_r为控制因子；为系统状态向量X与系统状态向量预测值的差值；P为正定对称矩阵。