一种基于深度学习的机器人轨迹跟踪控制方法
公开
摘要
本发明提供了一种基于深度学习的机器人轨迹跟踪控制方法，属于机器人控制领域，包括：建立机器人的运动学模型、跟踪误差模型、动力学模型；建立基于长短时记忆神经网络LSTM和滑模控制SMC的控制器，所述控制器包括运动学控制器、基于SMC的动力学控制器和LSTM网络；基于所述机器人的运动学模型、跟踪误差模型、动力学模型，通过所述基于长短时记忆神经网络LSTM和滑模控制SMC的控制器对机器人跟踪轨迹进行控制。本发明提出的提出LSTM和SMC相结合的控制方法实现了LSTM网络对控制的补偿，提高收敛速度和控制的精度及稳定性；在不降低鲁棒性的情况下，LSTM和SMC相结合的方法可以有效抑制滑模控制的抖动现象。
基本信息
专利标题 ：
一种基于深度学习的机器人轨迹跟踪控制方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114625136A
申请号 ：
CN202210238283.8
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
刘东阳查文文陶亮焦俊辜丽川时国龙马慧敏陈成鹏彭硕
申请人 ：
安徽农业大学
申请人地址 ：
安徽省合肥市长江西路130号安徽农业大学
代理机构 ：
西安铭泽知识产权代理事务所(普通合伙)
代理人 ：
姬莉
优先权 ：
CN202210238283.8
主分类号 ：
G05D1/02
IPC分类号 ：
G05D1/02
IPC结构图谱
G
G部——物理
G05
控制；调节
G05D
非电变量的控制或调节系统
G05D1/00
陆地、水上、空中或太空中的运载工具的位置、航道、高度或姿态的控制，例如自动驾驶仪
G05D1/02
二维的位置或航道控制
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
