申请/专利权人:中山大学
申请日:2022-01-25
公开(公告)日:2024-04-09
公开(公告)号:CN114193458B
主分类号:B25J9/16
分类号:B25J9/16
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2022.04.05#实质审查的生效;2022.03.18#公开
摘要:本发明公开了一种基于高斯过程在线学习的机器人控制方法,包括通过低增益的比例‑微分控制,获取初始数据,根据所述初始数据构建初始高斯过程在线学习模型,所述初始高斯过程在线学习模型用于对机器人进行初步控制;在每个控制周期内轮转更新高斯过程在线学习模型;将期望的位置、速度和加速作为输入,根据最新的高斯过程在线学习模型预测得到多个力矩,将所述力矩作为机器人控制的前馈输入,以对所述机器人进行控制。本发明能够提高跟踪精度并且能够降低模型更新频率,可广泛应用于机器人控制技术领域。
主权项:1.一种基于高斯过程在线学习的机器人控制方法,其特征在于,包括:通过低增益的比例-微分控制,得到初始数据,根据所述初始数据构建初始高斯过程在线学习模型,所述初始高斯过程在线学习模型用于对机器人进行初步控制;其中,所述比例-微分控制的输入参数为初始化超参数;所述初始化超参数包括比例和微分增益、基向量集大小、核函数、模型噪声、方差阈值以及遗忘速度参数;在每个控制周期内轮转更新高斯过程在线学习模型;将期望的位置、速度和加速度作为输入,根据最新的高斯过程在线学习模型预测得到多个力矩,将所述力矩作为机器人控制的前馈输入,以对所述机器人进行控制;其中,所述在每个控制周期内轮转更新高斯过程在线学习模型,包括:对于n个关节的机械臂,采用n个独立的高斯过程在线学习进行建模,得到高斯过程在线学习模型;在每个控制周期内,每次更新一个所述高斯过程在线学习模型。
全文数据:
权利要求:
百度查询: 中山大学 一种基于高斯过程在线学习的机器人控制方法
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。