······=···=想L;,由式（18)可知，·Τ····?·· :·:7; ，再将式(28) &CK (k、 中的.·Τ···Ξ·：ΤΙ·川0::(?和χ:Χ?)的相对变化量来近似代替，其符号函数为： α\?⑷ …. 0?(务 11):-o' d): |L $6因此，输入层至隐含层的权值迭代Δ co'slz(k)为： δ^&(Α·)--?4Σ 4师"￡令.......^......:).,存心妒……泽势货)(29) 步骤五:预测输出反馈校正： 由于液压四足机器人系统不可避免的存在时变性、非线性和各种随机干扰，并且预测 模型存在失配问题，于是，预测输出会与被控对象的实际输出存在一定的偏差。因此，需要 利用反馈校正对预测模型进行不断地修正，以得到下一步的预测输出。为了实现系统的实 时控制，采用在线校正方法对误差进行修正。则k时刻的预测误差可表示为： em(k)=y(k)-ym(k) (30) 那么，得到反馈校正后下一步的预测输出为： yp(k+l)=ym(k)+hem(k) (31) 式中，h为误差修正系数。
[0053]应理解上述【具体实施方式】仅用于说明本发明，并不用以限制本发明，凡是在本发 明的精神和原则范围之内所作的任何修改、改进、等同替换等，均应包含在本发明的保护范 围之内。
【主权项】
1. 一种液压四足机器人单腿关节解禪控制方法，其特征是，所述方法有机的结合多种 智能控制算法实现机器人单腿关节之间的解禪控制，包括PI的巾经网络解禪控制模块(实线 框）、神经网络模型参考解禪控制模块(虚线框)和预测控制模块(点划线框）。2. 如权利要求1所述的一种液压四足机器人单腿关节解禪控制方法，其特征是，所述 PID神经网络解禪控制模块(实线框)采用2个BP神经元子网络构成，各子网络隐含层中均分 别为比例(P)神经元、积分（I)神经元和微分(D)神经元。3. 如权利要求1所述的一种液压四足机器人单腿关节解禪控制方法，其特征是，所述神 经网络模型参考解禪控制模块(虚线框)包括参考模型、神经网络辨识器、神经网络控制器。4. 如权利要求1所述的一种液压四足机器人单腿关节解禪控制方法，其特征是，所述预 测控制模块(点划线框)包括参考轨线、预测模型、反馈校正和滚动优化。5. 将上述的PID神经网络解禪控制模块、神经网络模型参考解禪控制模块和预测控制 模块有机地结合，按照下述步骤构成了液压四足机器人单腿关节的解禪控制， 步骤一:关节间的禪合关系： 液压四足机器人的行走主要依赖于髓关节和膝关节的2个主动自由度实现，只有在机 器人出现打滑或转向的时候，横摆关节的液压缸才开始动作，于是，当机器人在前进方向行 走时，髓部不动，只有髓关节和膝关节驱动机器人的大腿和小腿，并带动足端运动，因此，本 发明着重解决大腿和小腿之间的禪合情况，即，髓关节和膝关节之间的禪合； 由于在运动过程中，液压四足机器人各关节的运动均属于低速运动，因此，关节间的运 动受哥氏力和向屯、力的影响较小，可忽略不计，但受惯性力和重力的影响较大，为了便于分 析和解决问题，需要抓住问题的主要矛盾，故只考虑惯性力和重力的影响，忽略哥氏力和向 屯、力的影响，运样，液压四足机器人腿部动力学模型变为如下形式：于是，髓关节和膝关节的出力与液压缸位移之间的动力学关系如下：由上式可W看出，髓关节的输出y2受到膝关节输出y3的影响，膝关节的输出y3受到髓关 节输出y2的影响，即液压四足机器人大、小腿关节之间存在明显的禪合； 步骤二:PID神经网络解禪控制： 由于液压四足机器人单腿在前进方向只有两个关节，因此在髓部固定的条件下，可认 为机器人单腿系统是两个输入、两个输出的多变量系统，变量之间存在相互禪合、相互影 响，对于具有2个输入、2个输出的系统，基于不变性原理，PID神经网络解禪控制器中，每一 个子网络的输入端均具有两个输入，一个是输入的设定值ri(i = 2,3)，另一个是输出反馈 值71。= 2,3)，111。= 2,3)为被控对象的第1个输入控制量，也是网络的第1个输出量； 2个PI的巾经元子网络构成了神经网络解禪控制器，各子网络隐含层中均有3个神经元， 分别为比例(P)、积分（I)、微分(D)神经元，不同子网络的输入层到隐含层之间是相互独立 的，而隐含层到输出层之间彼此有连接权，输出层完成对控制规律的综合，从而构成了PID 神经网络解禪控制系统，实现了多变量系统的解禪控制； 步骤Ξ:神经网络模型参考解禪控制： a) 参考模型： 设定系统在无禪合情况下的参考模型:将液压四足机器人大小腿间存在禪合的模型中 次对角线的禪合项去掉，便可得到大小腿之间在无禪合情况下的参考模型：b) 神经网络辨识器： 由于液压四足机器人单腿在前进方向只有两个关节，因此在髓部固定的条件下，可认 为机器人单腿系统是两个输入、两个输出的多变量系统，因而，神经网络辨识器的结构也是 两个输入两个输出，设:U2、U3为被控对象的输入，y2、y3为被控对象的输出，为预 测输出； 神经网络辨识器是根据被控对象当前和之前的输入输出来预测系统的下一步输出 秦、争从而可得到预测输出与系统实际输出之间的误差为：利用ei化+1)来调整神经网络辨识器的权值，则神经网络辨识器的目标函数为：式中，Τι为辨识周期； C)神经网络控制器： 与神经网络辨识器相同，神经网络控制器的结构也是两个输入、两个输出，设:yr2、yr3为 给定的输入信号，y 2、y3为被控对象的输出，U2、U3为系统的控制量； 参考模型的输出与系统实际输出之间的误差为： e2(k)=y(k)-y〇(k) 神经网络控制器是根据误差62化)来调整U化），从而使被控对象跟踪参考模型的输出， 因而，神经网络控制器的目标函数为：式中，T2为控制周期； 一般情况下，通过被控对象的实际输出y化)来修正神经网络控制器的权值是比较困难 的，可通过神经网络辨识器预测出的输出来代替被控对象的实际输出7化），因而改 进后的神经网络控制器的目标函数可近似为： 步骤四：预测控制：预测模型、反馈校正和滚动优化是预测控制的Ξ个基本组成要素。预测模型用来预测 被控对象未来行为的动态模型；反馈校正是对模型误差进行连续的校正W得到预测的输 出;滚动优化是对被控对象进行反复在线优化计算并实现对被控对象的滚动控制； 简而言之，预测控制的过程就是首先按照预测模型预测出被控对象未来行为的动态模 型ym化），然后通过反馈校正对预测误差em化)进行连续的校正W得到下一步的预测输出yp 化+1)，预测输出yp化+1)与参考轨线的输出W化+1)进行比较，得到偏差值e化+1)，最后通过 滚动优化对此偏差值进行反复在线优化计算，使e化+1)达到最小，从而得到下一步的控制 量U化+1)来控制被控对象，W期使系统的输出满足控制要求； 预测控制在实施滚动优化时，不仅基于预测模型，还利用了反馈校正信息，从而构成了 闭环优化，提高了系统的控制精度和鲁棒性。
【专利摘要】本发明公开了一种液压四足机器人单腿关节解耦控制方法，该方法包括PID神经网络解耦控制、神经网络模型参考解耦控制和预测控制。步骤为：设定好系统无耦合情况下的参考模型，然后训练神经网络控制器，使系统的输出能够跟随参考模型的输出；同时，利用神经网络模型预测，根据被控对象当前和之前的输入输出数据，预测系统下一步的输出；最后根据预测输出与给定的参考输出在线修正神经网络的权值，以使神经网络解耦控制器的优化指标达到极小，实现解耦控制目的。本发明能够有效地降低机器人各关节之间的耦合影响，实现机器人各关节的解耦控制。
【IPC分类】B25J13/00
【公开号】CN105538325
【申请号】CN201511010705
【发明人】高炳微, 高元锋, 王思凯
【申请人】哈尔滨理工大学
【公开日】2016年5月4日
【申请日】2015年12月30日