买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市华成工业控制股份有限公司申请的专利一种基于数据驱动的机械臂自学习控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117601114B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311347429.3，技术领域涉及：B25J9/16；该发明授权一种基于数据驱动的机械臂自学习控制方法是由李岩;董宜坤;石建军;庞树博;范飘;卢曾鹏设计研发完成，并于2023-10-18向国家知识产权局提交的专利申请。

本一种基于数据驱动的机械臂自学习控制方法在说明书摘要公布了：本发明属于机器人技术领域，具体的说是一种基于数据驱动的机械臂自学习控制方法。包括以下步骤：步骤一、建立n维机械臂数据驱动模型；步骤二、设计基于数据驱动的机械臂自学习控制器；步骤三、设计RBF神经网络扰动估计器，从而实现对机械臂自学习进行控制。本发明能够提高机械臂关节角位置的控制调节能力，改变传统依靠模型进行算法设计的方式，并且采用被控系统实时数据研究控制器，使复杂的系统也能得到有效控制。

本发明授权一种基于数据驱动的机械臂自学习控制方法在权利要求书中公布了：1.一种基于数据驱动的机械臂自学习控制方法，其特征在于，包括以下步骤： 步骤一、建立n维机械臂数据驱动模型； 步骤二、设计基于数据驱动的机械臂自学习控制器； 步骤三、设计RBF神经网络扰动估计器，从而实现对机械臂自学习进行控制； 其中，所述步骤一的具体方法如下： 11建立关节角位置与输入力矩之间的关系，如下所示： qt＝Hut 其中，qt为t时刻下n维机械臂关节角位置列向量；ut为t时刻下n维机械臂关节角控制力矩列向量；H为非线性算子；qt、ut表示为： 12将n维机械臂关节角非线性系统用离散形式表示，如下所示： qk＝fqk-1,...,qk-mq,uk-1,...,uk-mu 式中，m为正整数；qk∈R，为当前时刻的机械臂关节角位置；uk∈R，为当前时刻的输入力矩； 所述步骤二的具体方法如下： 21设定非线性机械臂关节角位置与控制力矩之间的非线性关系，满足如下条件： 1在k值下f函数关于第mq+2个变量的偏导数是连续的； 2系统满足广义Lipschitz条件，数学表达式为： |qk1+1-qk2+1|≤b|uk1-uk2| 式中，k1≠k2，且k1、k2均大于零，b为正数； 22对机械臂关节角位置与控制力矩之间的关系经动态线性化处理，关节角位置增量表示为： △qk+1＝fck·△uk 式中，△qk+1表示下一时刻机械臂关节角位置的位移增量，△uk表示当前时刻与上一时刻的输入差值，fck表示当前k时刻的伪偏导数值，其更新律通过伪偏导数估计法设计； 23对机械臂关节角进行更新，如下所示： qk+1＝qk+△qk+1 式中，qk为当前时刻机械臂的关节角位置；qk+1为关节角位置在控制系统作用下的位置；△qk+1为下一时刻较当前时刻机械臂的关节角位置增量； 24考虑制器中控制力矩更新律设计方法，首先提出如下式所示的误差代价函数，具体如下： Jqk＝|q*k+1-qk+1|2+λ|uk-uk-1|2 式中，q*k+1为期望的机械臂关节角位置；q*k+1-qk+1为下一时刻期望位的关节角位置与下一时刻实际的关节角位置的差值；uk-uk-1为当前采样时刻控制力矩与上一采样时刻控制力矩之间的差值；λ为有关控制力矩变化量的权重因子，用来调节输入力矩的变化率，值为非零的正数； 25将机械臂关节角位置更新律代入到伪偏导数的误差代价函数当中，并对所代入后的Juk求关于uk的偏导数，使求导后的等式置零得到基于数据驱动的无模型控制律： 式中，为伪偏导数估计更新律，λ为有关控制力矩变化量的权重因子，qk为机械臂关节角位置； 26引入步进因子调整力矩增量，γ为非零值，得到新的控制力矩更新律，具体如下： 式中，γ为步进因子； 27对当前k时刻的伪偏导数值fck更新律进行设计； 伪偏导数估计更新律的误差代价函数： 式中，为伪偏导数fck-1的估计更新律；n为关于伪偏导数的权重因子；按照控制力矩更新律的设计方法，对Jfck求关于fck的偏导数后使等式置零，引入第二个阶跃因子h调节伪偏导数输出的变化情况，得到伪偏导数估计表达式： 式中，采用重置算法对进行限制，如果或者|△uk-1|≤c，c为给定常数值，以及上述任意情况出现时使 28引入前馈控制器，其控制律为： u2k＝WkQk 式中，Wk为前馈控制器的学习参数向量，通过最速下降算法进行权值更新；Qk为期望位置的参数向量；Wk、Qk的类型定义如下所示： Wk＝[w0k,w1k,…,wNk] Wk＝Wk-1+μk-1QTk-1ek-1 Qk＝[q*k,q*k-1,…,q*k-N]T； 29结合前馈控制与反馈控制设计复合控制器如下所示： uk＝u1k+u2k 具体表示为： 式中，qk为机械臂关节角位置，Wk为前馈控制器的学习参数向量，Qk为期望位置的参数向量； 所述步骤三的具体方法如下： 31考虑广义扰动量特性，引入一种基于RBF神经网络扰动估计方法；对于考虑广义扰动存在的关节角位置动态线性化数据模型表示为： 式中，qek为广义不确定扰动；△qk+1表示下一时刻机械臂关节角位置的位移增量； 32针对qek采用一种1-3-1层的RBF神经网络进行在线辨识，按照径向基神经网络的数学原理，广义扰动量的表达式写为： qek＝wkThk 式中，wk为神经网络的权值；hk为神经网络的激活函数；扰动的估计表达式为： 式中，为wk的估计值；ε为期望条件下扰动估计值和实际扰动之间的估计误差； 33将扰动估计器的估计误差作为神经网络的输入；在引入神经网络后，为确定的值，定义关于RBF神经网络权值更新的误差代价函数: Ek＝12ε2 式中，Ek为误差代价函数输出，ε为期望条件下扰动估计值和实际扰动之间的估计误差； 34通过实际反馈值与模型输出得到数学表达式；根据梯度下降法，调整更新如下： 式中，为wk的估计值，η为学习率；为关于Ek的偏导数； 35将权值更新代入到带有广义不确定扰动变量的数据模型后，按照相同的无模型自适应控制器设计方法，得到新的控制器伪偏导数及控制力矩的更新律： 式中，wk为神经网络的权值；hk为神经网络的激活函数； 36将新的伪偏导数更新律代入到新的控制力矩更新律中从而得到带有扰动估计补偿的机械臂关节角位置控制器，实现对机械臂自学习进行控制。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市华成工业控制股份有限公司，其通讯地址为：518100 广东省深圳市宝安区西乡街道固戍社区固戍一路正奇隆大厦八楼A区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。