[发明专利]一种运载机器人手臂操控自适应混合学习映射智能控制方法及系统

摘要

本发明公开了一种运载机器人手臂操控自适应混合学习映射智能控制方法及系统，包括以下步骤：步骤1：利用远程服务器控制运载机器人手臂重复进行多次抓取训练，获得抓取样本集；步骤2：按照手臂运动耗电量选取初始训练样本；步骤3：依据各手臂关节控制值的变化幅度对初始训练样本进行关节分类，获得各类关节样本集；步骤4：利用关节样本集作为最终训练集构建运载机器人手臂关节控制值的预测模型；步骤5：依次输入各个移动点的位置到预测模型，得到各个移动点位置上的各个关节的控制值，完成将抓取任务。本发明通过建立机器人基座、抓取台之间距离与机器人手臂姿态之间的映射，避免了繁琐的运动学方程建立；获取准确的关节控制值，控制灵活。

主权项

一种运载机器人手臂操控自适应混合学习映射智能控制方法，其特征在于，包括以下步骤：步骤1：将运载机器人位于指定抓取区域内的抓取任务固定起始点，利用远程服务器控制运载机器人手臂重复进行多次抓取训练，获得抓取样本集；每个抓取样本包括运载机器人从抓取任务固定起始点移动到抓取结束点的过程中依次经过各个移动点，运载机器人在各个移动点上所有关节的控制值以及完成一次抓取任务的手臂运动耗电量；每个移动点所在位置是指运载机器人的基座与抓取台底端边缘之间的距离，相邻移动点之间间距相等；步骤2：按照手臂运动耗电量选取初始训练样本；从抓取样本集中选出手臂运动耗电量百分比低于10％的抓取样本，并从手臂运动耗电量百分比低于10％的抓取样本中选出手臂运动耗电量百分比最低的抓取样本作为初始训练样本；步骤3：依据各手臂关节控制值的变化幅度对初始训练样本进行关节分类，获得各类关节样本集；从初始训练样本中提取出各个关节样本，每个关节样本包括移动点位置和在对应移动点的关节控制值；依据关节控制值变化幅度a％，对初始训练样本中每个关节样本进行分类：若a％<20％，该类关节作为第一类关节；若20％≤a％≤50％，该类关节作为第二类关节；若a％>50％，该类关节作为第三类关节；每个关节样本的关节控制值变化幅度a％是指每个关节在一次抓取过程所有动作中的最大控制值和最小控制值之差与对应关节的控制量程之比；步骤4：利用步骤3得到的关节样本集作为最终训练集构建运载机器人手臂关节控制值的预测模型；依次将最终训练集中属于同类型关节的所有关节样本的移动点位置和在对应移动点上的关节控制值分别作为训练模型的输入数据和输出数据进行训练，构建预测模型；其中，第一类关节预测模型使用的训练模型为灰色神经网络模型；第二类关节预测模型使用的训练模型为PID神经网络模型；第三类关节预测模型使用的训练模型为广义回归神经网络模型；步骤5：当运载机器人接收到抓取指令运动到抓取任务固定起始点时，利用设定的手臂关节动作数量将抓取区域进行等间隔划分，得到各个移动点位置，依次输入各个移动点的位置到预测模型，得到各个移动点位置上的各个关节的控制值，完成将抓取任务。