基于自适应神经网络的机器人模型预测控制方法

摘要

本发明属于智能机器人控制、时变非线性系统控制领域，具体涉及一种基于自适应神经网络的机器人模型预测控制方法、系统、装置，旨在解决存在模型不确定性以及输入约束的情况下，机械臂的最优跟踪控制问题。本系统方法包括：计算跟踪误差；通过动作网络获取预测控制率，并更新动作‑评价网络的权重值；判断i是否大于设定的预测时长，若是，则判断动作‑执行网络权重变化是否满足阈值或迭代次数大于最大迭代次数，若是，则通过动作网络计算机械臂t_k‑t_k+1时刻的实际控制率，作用于机械臂，否则通过预构建的预测模型获取t_k+i+1时刻的跟踪误差，并循环获取预测控制率；循环生成实际控制率，直至机械臂到达设定的目标位置。本发明提高了机器人模型预测控制的性能。