(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111167440.2 (22)申请日 2021.10.07 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 黄攀峰　李陇南　马志强　鹿振宇　 常海涛　陈海飞　 (74)专利代理 机构 西北工业大 学专利中心 61204 代理人 华金 (51)Int.Cl. B25J 9/16(2006.01) G06F 30/27(2020.01) G06N 3/08(2006.01) G06F 111/04(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于宽度神经学习的时变输出约束机 器人遥操作有限时间控制方法 (57)摘要 本发明公开了一种宽度神经学习的时变输 出约束机器人有限时间控制方法。 基于积分障碍 李雅普诺夫函数、 宽度神经学习算法和有限时间 理论， 创新性地提出了一种基于宽度神经学习的 时变输出约束有限时间控制器。 直接积分障碍李 雅普诺夫函数保证了系统的输出在时变边界内； 宽度神经学习算法融合了传统神经网络和宽度 学习的优点， 基于逆动力学观测器， 利用宽度学 习算法解决了外力感知难题， 同时消解了控制率 uxj设计过程中的模型不确定性； 有限时间理论 保证了机器人对参考信号的高精度和快速性追 踪。 综上所述， 该算法确保了机器人与环境间稳 定、 安全与高效交互， 提升了遥操作系统的可靠 性和高效性。 权利要求书2页 说明书7页 附图2页 CN 113927596 A 2022.01.14 CN 113927596 A 1.一种基于宽度神经学习的时变输出约束机器人遥操作有限时间控制方法， 其特征在 于， 包括以下步骤： 步骤1： 对机 械臂进行动力学建模； 步骤2： 通过宽度神经 学习算法和逆动力学观测器实现对操作者力和环境力的估计； 步骤3： 设计时变输出约束有限时间控制律， 消解模型不确定影响， 实现遥操作机器人 的高精度追踪和快速性收敛。 2.如权利要求1所述的一种基于宽度神经学习的时变输出约束机器人遥操作有限时间 控制方法， 其特 征在于， 所述系统为 一对n自由度机 械臂， 模型表达式为： 其中， j∈{m,s},分别为主从机器人标识。 分别为关节空间的 加速度， 速度和位置； 分别为操作空间的加速度， 速度和位置； Mxj为惯性量矩阵， Cxj为离心力和哥氏力矩阵， gxj为重力项矩阵， uxj表示控制输入， Fmν＝Fh表 示操作者施加力， Fsν＝Fe表示从端机器人和环境间的接触力。 3.如权利要求1或2所述的一种基于宽度神经学习的时变输出约束机器人遥操作有限 时间控制方法， 其特 征在于， 所述 步骤2包括以下子步骤： 步骤2.1： 将模型线性 化为： 式中 为线性回归矩阵， η为有关机械臂的参数向量， Θ∈Rn×1为二者乘 积； 步骤2.2： 利用深度神经 学习算法对外力评估： 其中 为神经网络的输入； 步骤2.3： 基于逆动力学观测器， 对机 械臂的动力学模型(1)进一 步线性化为 式中 为线性回归矩阵， η为有关机械臂的参数向量， Θ∈Rn×1为二者乘 积； 步骤2.4： 设计深度神经 学习算法实现对外力进行估计： 该神经网络的输入为 通过宽度神经 学习算法可实现对交 互力的估计。 4.如权利要求1所述的一种基于宽度神经学习的时变输出约束机器人遥操作有限时间 控制方法， 其特 征在于， 所述 步骤3中， 包括以下子步骤： 步骤3.1： 通过设计控制器uxj,实现对参考轨迹 有限时间追踪， 同时要保证输出xη1在 约束区域内， 即 权　利　要　求　书 1/2 页 2 CN 113927596 A 2主从机器人的控制律 为 式(8)中： 为 的广义逆， 满足如下 条件 式(8)中更新 律选取如下： 式(8)中误差变量ej1,ej2,j∈{m,s}为 式中： 为主从端的参 考轨迹， αj1为待设计的虚拟控制量。 式(12)则基于操作者行为可生成主 端的参考轨迹， 式(13)其中 分别代表操作者力和环 境力的估计值， 式中： 分别为主端参 考轨迹的加速度、 速度和位置； 分别为操作者力估 计和环境力估 计的比例系数； Mr,Cr, gr分别为操作者行为的目标阻抗 参数； 步骤3.2： 从端的参考轨迹 为： Tf(t)为主端到从端的网络传输时延； 设 计虚拟控制量αj1： 式中0＜ ξj＜1， 和γj1分别为： 式(8)中： j∈{m,s}分别为操作者力和机器人与环境间的接触力， kj1,kj2, χj,bj为正 常数， 为正对角阵。 此处神经网络的权重向量为步骤2宽度神经学习算法得到的Wj， 权　利　要　求　书 2/2 页 3 CN 113927596 A 3