[发明专利]一种类人机器人上肢运动模型的类神经精准控制方法

摘要

本发明提出的一种类人机器人上肢运动模型的类神经精准控制方法，包括类人机器人的上肢动力学模型、运动模板库的构建，以及运动模板的选择和控制输出的步骤，还包括参照生物中大脑的群体向量编码机制设计的基于运动结果进行离线修正的权重修正方法，参照小脑在运动控制中的修正作用而提出的实时的权重修正模型以及更新该权重修正模型的方法。该方法避免了实时的逆动力学求解，大幅减少了计算量，加快了反应速度，使类人机器人能同时具备高精度、学习能力和快速反应能力。与已有类神经控制方法相比，该方法可以在不增加模板点数目的情况下通过建立和更新权重修正模型来提高运动精度，而且该权重修正模型具有一定的泛化能力。

主权项

一种类人机器人上肢运动模型的类神经精准控制方法，包括模型及模板的构建、模板的选择和控制输出两大部分，模型及模板的构建包括类人机器人的上肢动力学模型、运动模板库的构建，其特征在于，模型及模板的构建还包括权重修正模型的建立，模板的选择和控制输出部分之前设置有更新权重修正模型的步骤：建立权重修正模型：步骤A1：设定一组运动目标点，依次对各运动目标点，基于习惯计划理论的类神经控制方法从运动模板库中选择k个运动模板并计算各模板点的权重值wi，进一步计算运动目标点的控制信号u，依据控制信号u执行第一轮上肢运动，计算该轮执行结果中运动终点位置与对应运动目标点位置的误差error1；步骤A2：依据第一轮上肢运动的每一个终点位置与对应运动目标点和各模板下的运动参考点的坐标的相对位置，对权重值wi进行离线修正，得到修正后的权重值w′i；步骤A3：依次对各运动目标点，根据修正后的各权重值w′i计算各运动目标点的控制信号u′，依据控制信号u′执行第二轮上肢运动，计算该轮执行结果中运动终点位置与对应运动目标点位置的误差error2；步骤A4：依据误差error1和误差error2的变化趋势进行样本筛选，保存误差减小的运动目标点的运动信息，建立样本库；步骤A5：根据样本库中的信息建立初始的权重修正模型；更新权重修正模型：步骤B1：指定一批新的运动目标点，基于习惯计划理论的类神经控制方法，并结合权重修正模型执行一轮上肢运动，计算该轮运动中运动终点坐标与运动目标点坐标的误差的平均值errormean；步骤B2：若errormean＞设定的误差阈值errorthreshold，则权重修正模型还未满足控制要求，需要执行步骤B3进行模型更新；若errormean≤设定的误差阈值errorthreshold，则权重修正模型已满足控制要求，结束模型的更新过程；步骤B3：若已有的权重修正模型不能满足控制要求，则建立新的权重修正模型，并根据新的权重修正模型再次执行步骤B1和步骤B2。