基于数据驱动的高维度机器人控制方法、装置及终端设备

1.一种基于数据驱动的高维度机器人控制方法，其特征在于，包括如下步骤：建立高维度机器人系统，并基于历史数据将高维度机器人系统解耦为若干相应的数据驱动增量子系统，其中：所述高维度机器人系统具体为：其中， 、 分别表示机器人的状态与控制输入， 、 分别表示Lipschitz连续的状态矩阵和输入矩阵， 表示 维向量空间， 表示 维向量空间， 表示 维向量空间， 表示机器人状态的维度数量， 表示机器人控制输入的维度数量；针对满足 的高维度机器人系统，将其解耦为下述 个低维度机器人子系统其中， 、 ， 表示第 个低维度机器人子系统的局部控制输入， 表示第 个低维度机器人子系统的状态项以及与其他系统之间耦合项的综合矩阵， 表示第 个低维度机器人子系统相应的局部输入矩阵， 表示 维向量空间， 表示 维向量空间， 表示 维向量空间， 表示第 个低维度机器人子系统的维度数量， 表示第 个低维度机器人子系统控制输入的维度数量，即 、 ；引入常数对角增益矩阵 ，并在低维度机器人子系统的两侧乘以其伪逆，得到：其中， 为常数对角增益矩阵 的伪逆， 表示囊括第 个低维度机器人子系统所有未知模型信息的综合项， 表示局部输入矩阵 的伪逆；基于上一个采样时刻的历史数据估计当前采样时刻未知的 ，为：其中， 表示当前采样时刻综合项 的估计值， 表示上一个采样时刻的综合项， 表示上一个采样时刻的控制输入， ， 为机器人系统的采样时间， 表示非负的向量空间；将估计得到的综合项代入低维度机器人子系统，即得到数据驱动增量子系统为：其中， 表示第 个低维度机器人子系统的局部状态， 表示上一个采样时刻的状态， 表示常数对角增益矩阵， 表示控制输入的增量子策略， 表示估计误差， ， ；基于实时数据在线更新数据驱动增量子系统的参数，消除数据驱动增量子系统中的估计误差，以准确及时反映高维度机器人的动态特性；基于在线更新后的数据驱动增量子系统，设计非线性或者线性控制策略对高维度机器人进行高效控制；所述基于实时数据在线更新数据驱动增量子系统的参数，具体为：从高维度机器人感知系统中获取对应于第 个低维度机器人子系统的 步数据集，为：其中， 表示增量状态数据集， 表示增量控制输入数据集， 表示状态的增量子策略， ；以满足估计误差 为目标，建立以下优化问题：其中， 表示第 个低维度机器人子系统在第 步时常数对角增益矩阵的伪逆， 表示第 个低维度机器人子系统在第 步时的估计误差；求解上述优化问题，得到唯一解为：其中， 为矩阵的转置；将求解得到的 代入数据驱动增量子系统，即可消除数据驱动增量子系统中的估计误差，使数据驱动增量子系统更新为 ，使其准确及时反映高维度机器人的动态特性。 2.一种基于数据驱动的高维度机器人控制方法，其特征在于，包括如下步骤：建立高维度机器人系统，并基于历史数据将高维度机器人系统解耦为若干相应的数据驱动增量子系统，其中：所述高维度机器人系统具体为：其中， 、 分别表示机器人的状态与控制输入， 、 分别表示Lipschitz连续的状态矩阵和输入矩阵， 表示 维向量空间， 表示 维向量空间， 表示 维向量空间， 表示机器人状态的维度数量， 表示机器人控制输入的维度数量；针对满足 的高维度机器人系统，将其解耦为下述 个低维度机器人子系统其中， 、 ， 表示第 个低维度机器人子系统的局部控制输入， 表示第 个低维度机器人子系统的状态项以及与其他系统之间耦合项的综合矩阵， 表示第 个低维度机器人子系统相应的局部输入矩阵， 表示 维向量空间， 表示 维向量空间， 表示 维向量空间， 表示第 个低维度机器人子系统的维度数量， 表示第 个低维度机器人子系统控制输入的维度数量，即 、 ；引入常数对角增益矩阵 ，并在低维度机器人子系统的两侧乘以其伪逆，得到：其中， 为常数对角增益矩阵 的伪逆， 表示囊括第 个低维度机器人子系统所有未知模型信息的综合项， 表示局部输入矩阵 的伪逆；基于上一个采样时刻的历史数据估计当前采样时刻未知的 ，为：其中， 表示当前采样时刻综合项 的估计值， 表示上一个采样时刻的综合项， 表示上一个采样时刻的控制输入， ， 为机器人系统的采样时间， 表示非负的向量空间；将估计得到的综合项代入低维度机器人子系统，即得到数据驱动增量子系统为：其中， 表示第 个低维度机器人子系统的局部状态， 表示上一个采样时刻的状态， 表示常数对角增益矩阵， 表示控制输入的增量子策略， 表示估计误差， ， ；基于实时数据在线更新数据驱动增量子系统的参数，消除数据驱动增量子系统中的估计误差，以准确及时反映高维度机器人的动态特性；基于在线更新后的数据驱动增量子系统，设计非线性或者线性控制策略对高维度机器人进行高效控制；所述基于实时数据在线更新数据驱动增量子系统的参数，具体为：基于实时数据与上一采样时刻常数对角增益矩阵的伪逆，更新得到当前采样时刻常数对角增益矩阵的伪逆，为：其中， 表示第 个低维度机器人子系统在第 步时常数对角增益矩阵的伪逆； 表示第 个低维度机器人子系统在第 步时常数对角增益矩阵的伪逆；矩阵 的更新方式为 ；折扣因子 的计算方式为： ；将更新得到的 代入数据驱动增量子系统，即可消除数据驱动增量子系统中的估计误差，从而得到数据驱动增量子系统形式为其借助历史数据和实时数据可以准确及时反映高维度机器人的动态特性；基于上述得到的连续非线性形式的增量驱动子系统，可利用面向连续非线性系统的非线性控制方法为高维度机器人子系统设计相应的控制率；利用前向欧拉离散方法，可进一步将在线更新后的数据驱动增量子系统由非线性形式转换为线性离散形式，为：其中， 表示状态矩阵， 表示控制矩阵；在得到线性离散形式的数据驱动增量子系统后，即可通过线性控制工具对为非线性高维度机器人系统设计高效控制率。 3.一种基于数据驱动的高维度机器人控制装置，其特征在于，采用权利要求1至2任一项所述的基于数据驱动的高维度机器人控制方法对高维度机器人进行控制，所述控制装置包括：数据驱动增量子系统构建单元，用于建立高维度机器人系统，并基于历史数据将高维度机器人系统解耦为若干相应的数据驱动增量子系统；数据驱动增量子系统在线更新单元，用于根据实时数据在线更新数据驱动增量子系统的参数，消除数据驱动增量子系统中的估计误差，以准确及时反映高维度机器人的动态特性；控制单元，用于根据在线更新后的数据驱动增量子系统对高维度机器人进行高效控制。 4.一种终端设备，其特征在于，所述终端设备上设有：存储器，用于存储程序；处理器，用于执行所述存储器存储的所述程序，当所述程序被执行时，所述处理器用于执行如权利要求1至2中任一项所述的基于数据驱动的高维度机器人控制方法。