申请/专利权人：浙江大学宁波理工学院

申请日：2019-12-06

公开（公告）日：2024-07-05

公开（公告）号：CN112925200B

主分类号：G05B13/04

分类号：G05B13/04

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2022.09.30#实质审查的生效;2021.06.08#公开

摘要：本发明公开了一种基于Anderson加速的迭代学习控制方法，本发明采用基于Anderson加速的迭代学习控制方法自建资源库创建适用的计算平台资源，并充分利用资源加快误差收敛速度，并且加速误差收敛具有跳跃性，提高实时轨迹跟踪精度，降低了对计算平台的要求。

主权项：1.一种基于Anderson加速的迭代学习控制方法，其特征在于，包括以下步骤：S1.设定初始控制量u0，设定预期轨迹T；S2.将初始控制量输入到被控系统中，被控系统根据初始控制量做实际输出yk,接着根据实际输出结合预期轨迹T得到跟踪误差ek；S3.根据跟踪误差判断误差是否收敛，若误差收敛，则终止迭代循环；若误差未收敛，则进入S4；S4.根据被控系统构造对应的迭代学习控制算法模型，根据迭代学习控制算法模型计算得到迭代学习控制量sk，同时计算辅助变量lk，并建立资源库，并将lk、sk依次放入资源库中；S5.根据跟踪误差判断是否进行迭代学习控制加速，若进行迭代学习控制加速，则uk+1＝sk，然后进入S6；若不进行迭代学习控制加速，则uk+1＝sk-1，然后返回S2；S6.设定计数器i，以及设定计数器i的最大取值imax，判断计数器i的计数值是否小于imax：若计数值小于imax，则根据资源库的lk信息计算得到权重系数α1…k，然后根据权重系数α1…k计算得到α0，进入S7；若计数值大于imax，则返回S2；S7.设置更新控制阈值αl，结合更新控制阈值αl和α0…αk判断是否满足更新控制条件：若满足更新控制条件，计数器i的计数值+1，同时根据资源库中lk信息更新uk+1，并以更新后的uk+1作为新的控制输入，然后返回S6；若不满足更新控制条件，则返回S2；所述被控系统为根据机器人建立的动力学模型，该动力学模型为: 其中： M11＝Im1+I1+I3*cosθ2cosθ2+I7sinθ2+θ3+I10sinθ2+θ3cosθ2+θ3+I11sinθ2cosθ2+I21sinθ2+θ3sinθ2+θ3+2+[I5cosθ2sinθ2+θ3+I12cosθ2cosθ2+θ3+I15sinθ2+θ3sinθ2+θ3+I16cosθ2sinθ2+θ3+I22sinθ2+θ3cosθ2+θ3]M12＝I4sinθ2+I8cosθ2+θ3+I9cosθ2+I13sinθ2+θ3-I18cosθ2+θ3M13＝I8cosθ2+θ3+I13sinθ2+θ3-I18cosθ2+θ3M22＝Im2+I2+I6+2[I5sinθ3+I12cosθ3+I15+I16sinθ3]M23＝I5sinθ3+I6+I12cosθ3+I16sinθ3+2I15M33＝Im3+I6+2I15M35＝I15+I17M44＝Im4+I14M55＝Im5+I17M66＝Im6+I23M21＝M12′M31＝M13andM32＝M23上述的符号M为动能矩阵，符号I为惯性常数，符号θ为机械臂关节角，符号τi为作用在第i个关节的控制力矩，B为科里奥利矩阵，C为离心矩阵，G为重力向量，所述uk+1为机器人一组动作的所有关节的关节控制量τ的集合，k表示对应第k次迭代。

全文数据：

权利要求：

百度查询： 浙江大学宁波理工学院 一种基于Anderson加速的迭代学习控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD