[发明专利]一种基于神经网络的在线自学习多关节运动规划方法

摘要

本发明公开了一种基于神经网络的在线自学习多关节运动规划方法，利用神经网络的全局最佳逼近性能，实现非线性复杂路径的实时自学习和控制。由于多关节同步进行轨迹规划控制，其与时间呈复杂的非线性关系，本发明通过建立各个关节位置的时间相关序列的神经网络模型，实现多关节的在线自学习，用于智能机械臂的实时控制，大大降低了数值求解的难度，提高运算效率，且具有实时性自学习能力。

主权项

1.一种基于神经网络的在线自学习多关节运动规划方法，其特征在于：包括如下步骤：(1)通过机械臂上的传感器采集轨迹相关信息，并记录，前N时刻采集的数据记为φ(t‑1)、φ(t‑2)……φ(t‑N)，t为当前时刻，N为大于1的自然数，每一时刻采集的数据用矢量表示，其中包含机械臂各个关节的轨迹相关信息；(2)判定是否是自学习阶段，如果在自学习阶段，进入步骤(3)，若不在自学习阶段，进入步骤(4)；(3)利用前N时刻的轨迹相关信息φ(t‑1)、φ(t‑2)、……φ(t‑N)作为输入，以当前时刻轨迹相关信息φ(t)作为输出，建立神经网络模型，根据采集的数据进行神经网络训练，更新神经网络模型；当采集完整个需要学习的运行轨迹数据后，完成神经网络的训练，跳出自学习阶段；(4)将φ(t)、φ(t‑1)、φ(t‑2)、……φ(t‑N‑1)作为神经网络模型输入，利用步骤(3)中更新完的神经网络模型，计算神经网络模型的输出φ(t+1)，实现预测控制。