CN112894809A - 一种基于强化学习的阻抗控制器设计方法和*** - Google Patents
一种基于强化学习的阻抗控制器设计方法和*** Download PDFInfo
- Publication number
- CN112894809A CN112894809A CN202110061914.9A CN202110061914A CN112894809A CN 112894809 A CN112894809 A CN 112894809A CN 202110061914 A CN202110061914 A CN 202110061914A CN 112894809 A CN112894809 A CN 112894809A
- Authority
- CN
- China
- Prior art keywords
- learning
- control
- impedance
- function
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000013461 design Methods 0.000 title claims abstract description 30
- 230000002787 reinforcement Effects 0.000 title claims abstract description 25
- 230000006870 function Effects 0.000 claims abstract description 82
- 230000008569 process Effects 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000003190 augmentative effect Effects 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于强化学习的阻抗控制器设计方法和***,属于机器人控制领域。本发明方法综合考虑控制输入,受控***位置、速度和受到的外力的影响,并利用受控***所受外力与其位置之间的正比例关系,设计出一种有效的奖励函数和价值函数,可在***模型和环境模型未知的情况下,通过强化学习设计出最优的阻抗控制器,并可通过调节参数修改***的响应特性,生成理想的机器人阻抗控制器。本发明方法明确了价值函数的形式,极大地减少了待定系数的数量,不需要复杂的深度网络对价值函数进行拟合,极大加速了学习过程。
Description
技术领域
本发明属于机器人控制领域,更具体地,涉及一种基于强化学习的阻抗控制器设计方法和***。
背景技术
随着顺应操作和人机交互场景的出现,机器人控制的目标不再是单一的减小位置误差,其柔顺性也收到越来越多的关注。阻抗控制是一种非常有效的机器人柔顺控制方法,当存在外力时自动在外力和目标位置之间保持平衡,避免刚性碰撞和接触力过大,保护机器人、工件和使用者;当不存在外力时可以实现较高的位置精度,满足各类工作的需要。
专利CN202010771033.1提出了一种基于RBF神经网络的机械臂自适应阻抗控制方法,但需要获得名义动力学模型设计阻抗控制器并设计误差补偿控制器,结构较为复杂。专利CN201910352004.9则需要通过预处理对机器人的动力学参数进行辨识。专利CN201910287227.1提出的一种利用环境预测优化非模型机器人多轴孔装配控制方法将强化学习用于机器人装配,但是其采用的深度强化学习方法收敛速度慢,训练时间长,在使用中具有一定局限性。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于强化学习的阻抗控制器设计方法和***,其目的在于在***动力学模型未知情况下,快速获得最优的阻抗控制器。
为实现上述目的,按照本发明的一个方面,提供了一种基于强化学习的阻抗控制器设计方法,包括:
S1.设计奖励函数和价值函数;奖励函数设置为价值函数设置为 其中,分别表示受控***当前的位置、速度和受到的外力;Qf,Qx,Qv分别为外力、位置、速度在阻抗控制器设计目标中的权重;u=KX为***的控制输入;K为待设计优化的阻抗控制参数,表示矩阵的克罗内克积;θ为价值函数参数;
S2.基于奖励函数和价值函数,采用强化学习的方法估计θ,获得最优的阻抗控制参数K,完成阻抗控制器的设计。
进一步地,步骤S1具体包括:
S101.将受控***受到的外力f视为***状态的一部分,得到增广状态向量为分别表示受控***当前的位置、速度和受到的外力;阻抗控制器的形式设置为u=KX,u为***的控制输入,K为待设计和优化的阻抗控制参数;
进一步地,步骤S2具体为:
S201.学习过程初始化:设置K为零向量,θ为零向量,设置更新周期iupdate,iupdate为正整数;
S202.学习周期初始化:将受控***设置为起始状态XΔT,设置学习参数P=δH,其中δ为一个正整数,H为n*n的单位矩阵;
S203.计算控制输入u=KXiΔT+σRand,Rand为随机数,σ为权重因子;XiΔT为当前控制周期***状态,i=1,2,3…,ΔT为受控***的控制周期;
S205.获得下一控制周期***状态X(i+1)ΔT,更新***价值函数参数θ和学习参数P:
θ=θ+gradient
S206.更新阻抗控制参数K:当i为iupdate的倍数时,将θ的元素依次排列为一个n*n的矩阵,并对H进行分块得到其中H21为和K同维度的矩阵;令Kupdated=K-l*(H21+KH22),K=Kupdated;l为更新权重;
S207.学习周期终止判定:若iΔT≥Tmax,该学习周期终止,否则令i=i+1,返回S203;Tmax为一个学习周期最大长度;
S208.学习终止判定:在第k个学习周期前后的控制律分别为u=KkX和u=Kk-1X,若max(abs(Kk-Kk-1))≤ε,则学习过程终止,得到的阻抗控制器为u=KkX,否则返回S202;ε为终止判定阈值。
与上述方法实施过程对应地,本发明还提供了一种基于强化学习的阻抗控制器设计***,包括:
控制目标设计模块,用于设计奖励函数和价值函数;奖励函数设置为价值函数设置为 其中,分别表示受控***当前的位置、速度和受到的外力;Qf,Qx,Qv分别为外力、位置、速度在阻抗控制器设计目标中的权重;u=KX为***的控制输入;K为待设计优化的阻抗控制参数,表示矩阵的克罗内克积;θ为价值函数参数;
阻抗控制参数优化模块,用于基于奖励函数和价值函数,采用强化学习的方法估计θ,获得最优的阻抗控制参数K,完成阻抗控制器的设计。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果。
(1)本发明方法综合考虑控制输入,受控***位置、速度和受到的外力的影响,并利用受控***所受外力与其位置之间的正比例关系,设计出一种有效的奖励函数和价值函数,可在***模型和环境模型未知的情况下,通过强化学习设计出最优的阻抗控制器,并可通过调节参数修改***的响应特性,生成理想的机器人阻抗控制器。
(2)本发明方法明确了价值函数的形式,极大地减少了待定系数的数量,不需要复杂的深度网络对价值函数进行拟合,极大加速了学习过程。
附图说明
图1是本发明提供的基于强化学习的阻抗控制器设计方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参考图1,本发明提供的一种基于强化学习的阻抗控制器设计方法,包括:
S1.设计奖励函数和价值函数;
S101.将受控***受到的外力f视为***状态的一部分,得到增广状态向量为分别表示受控***当前的位置、速度和受到的外力;阻抗控制器的形式设置为u=KX,这里u为***的控制输入,K为待设计和优化的阻抗控制参数。
奖励函数代表着阻抗控制器的设计目标,本发明提出的奖励函数综合考虑控制输入,受控***位置、速度和受到的外力的影响,并利用受控***所受外力与其位置之间的正比例关系,其形式具备充分的物理含义,因此在实际使用中可以保证学习过程的稳定性和收敛性。同时,Qf,Qx,Qv分别外力、位置、速度在阻抗控制器设计目标中的权重,便于使用者根据应用场景需要灵活地调整设计目标,获得在该场景下地最优阻抗控制器。
在强化学习过程中,经过不断地学习迭代,最终将获得真实的价值函数。错误的价值函数形式将导致学习失败,复杂的价值函数形式(如深度神经网络)将使得学习过程冗长。本发明提出的价值函数形式极大地减少了待定系数的数量,不需要复杂的深度网络对价值函数进行拟合,极大加速了学习过程。
S2.基于奖励函数和价值函数,采用强化学习的方法估计θ,获得最优的阻抗控制参数K,完成阻抗控制器的设计。
采用强化学习的方法完成控制器设计的步骤为:
S201.学习过程初始化,设置K为零向量,θ为零向量,设置更新周期iupdate,iupdate为正整数。
S202.学习周期初始化,将受控***设置为起始状态XΔT,设置学习参数P=δH,其中δ为一个正整数,H为n*n的单位矩阵。记***状态为XiΔT,其中i=1,2,3…,ΔT为受控***的控制周期。此时i=1。
S203.计算控制输入u=KXiΔT+σRand;Rand为随机数,σ为权重因子。
S205.获得***状态X(i+1)ΔT,更新***价值函数参数θ和学习参数P:
θ=θ+gradient
本方法提出的价值函数参数更新方法计算量小,可在学习过程中即时对价值函数进行更新,提升了价值函数地收敛速度。
S206.更新阻抗控制参数K:当i为iupdate的倍数时,将θ的元素依次排列为一个n*n的矩阵,并对H进行分块得到其中H21为和K同维度的矩阵;令Kupdated=K-l*(H21+KH22),K=Kupdated;l为更新权重。
本方法提供了一种解析形式的控制参数更新策略,计算复杂度低,收敛速度快。同时,可通过调节iupdate调节控制参数更新频率,调节l调节控制参数更新速度,实现对学习过程的有效控制,有效避免了学习过慢导致的学习过程冗长和学习过快导致的控制参数无法收敛的情况。
S207.学习周期终止判定:若iΔT≥Tmax,该学习周期终止,否则令i=i+1,返回S203。Tmax为一个学习周期最大长度。
S208.学习终止判定:记在第k个学习周期前后的控制律分别为u=KkX和u=Kk-1X,若max(abs(Kk-Kk-1))≤ε,则学习过程终止,得到的阻抗控制器为u=KkX,否则返回S202。ε为终止判定阈值。
为了验证本发明方法有效性,依照本方法进行了仿真和实验验证,结果表明,采用本方法,无需获得受控***的动力学参数,经过10个学习长度为Tmax=250ΔT的学习周期后,即可生成一个最优的阻抗控制器,和动辄需要上千次训练的深度强化学习相比具有明显的优越性。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
4.根据权利要求1所述的一种基于强化学习的阻抗控制器设计方法,其特征在于,步骤S2具体为:
S201.学习过程初始化:设置K为零向量,θ为零向量,设置更新周期iupdate,iupdate为正整数;
S202.学习周期初始化:将受控***设置为起始状态XΔT,设置学习参数P=δH,其中δ为一个正整数,H为n*n的单位矩阵;
S203.计算控制输入u=KXiΔT+σRand,Rand为随机数,σ为权重因子;XiΔT为当前控制周期***状态,i=1,2,3...,ΔT为受控***的控制周期;
S205.获得下一控制周期***状态X(i+1)ΔT,更新***价值函数参数θ和学习参数P:
θ=θ+gradient
S206.更新阻抗控制参数K:当i为iupdate的倍数时,将θ的元素依次排列为一个n*n的矩阵,并对H进行分块得到其中H21为和K同维度的矩阵;令Kupdated=K-l*(H21+KH22),K=Kupdated;l为更新权重;
S207.学习周期终止判定:若iΔT≥Tmax,该学习周期终止,否则令i=i+1,返回S203;Tmax为一个学习周期最大长度;
S208.学习终止判定:在第k个学习周期前后的控制律分别为u=KkX和u=Kk-1X,若max(abs(Kk-Kk-1))≤ε,则学习过程终止,得到的阻抗控制器为u=KkX,否则返回S202;ε为终止判定阈值。
8.根据权利要求5所述的一种基于强化学习的阻抗控制器设计***,其特征在于,阻抗控制参数优化模块的实施过程具体为:
S201.学习过程初始化:设置K为零向量,θ为零向量,设置更新周期iupdate,iupdate为正整数;
S202.学习周期初始化:将受控***设置为起始状态XΔT,设置学习参数P=δH,其中δ为一个正整数,H为n*n的单位矩阵;
S203.计算控制输入u=KXiΔr+σRand,Rand为随机数,σ为权重因子;XiΔT为当前控制周期***状态,i=1,2,3...,ΔT为受控***的控制周期;
S205.获得下一控制周期***状态X(i+1)ΔT,更新***价值函数参数θ和学习参数P:
θ=θ+gradient
S206.更新阻抗控制参数K:当i为iupdate的倍数时,将θ的元素依次排列为一个n*n的矩阵,并对H进行分块得到其中H21为和K同维度的矩阵;令Kupdated=K-l*(H21+KH22),K=Kupdated;l为更新权重;
S207.学习周期终止判定:若iΔT≥Tmax,该学习周期终止,否则令i=i+1,返回S203;Tmax为一个学习周期最大长度;
S208.学习终止判定:在第k个学习周期前后的控制律分别为u=KkX和u=Kk-1X,若max(abs(Kk-Kk-1))≤ε,则学习过程终止,得到的阻抗控制器为u=KkX,否则返回S202;ε为终止判定阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061914.9A CN112894809B (zh) | 2021-01-18 | 2021-01-18 | 一种基于强化学习的阻抗控制器设计方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061914.9A CN112894809B (zh) | 2021-01-18 | 2021-01-18 | 一种基于强化学习的阻抗控制器设计方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112894809A true CN112894809A (zh) | 2021-06-04 |
CN112894809B CN112894809B (zh) | 2022-08-02 |
Family
ID=76114670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110061914.9A Active CN112894809B (zh) | 2021-01-18 | 2021-01-18 | 一种基于强化学习的阻抗控制器设计方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112894809B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114789444A (zh) * | 2022-05-05 | 2022-07-26 | 山东省人工智能研究院 | 一种基于深度强化学习和阻抗控制的柔顺人机接触方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107020636A (zh) * | 2017-05-09 | 2017-08-08 | 重庆大学 | 一种基于策略梯度的机器人学习控制方法 |
CN108255182A (zh) * | 2018-01-30 | 2018-07-06 | 上海交通大学 | 一种基于深度强化学习的服务机器人行人感知避障方法 |
CN111401556A (zh) * | 2020-04-22 | 2020-07-10 | 清华大学深圳国际研究生院 | 一种对抗式模仿学习中奖励函数的选择方法 |
CN111531543A (zh) * | 2020-05-12 | 2020-08-14 | 中国科学院自动化研究所 | 基于生物启发式神经网络的机器人自适应阻抗控制方法 |
CN111613200A (zh) * | 2020-05-26 | 2020-09-01 | 辽宁工程技术大学 | 一种基于强化学习的降噪方法 |
US10766136B1 (en) * | 2017-11-03 | 2020-09-08 | Amazon Technologies, Inc. | Artificial intelligence system for modeling and evaluating robotic success at task performance |
CN111708355A (zh) * | 2020-06-19 | 2020-09-25 | 中国人民解放军国防科技大学 | 基于强化学习的多无人机动作决策方法和装置 |
CN111782870A (zh) * | 2020-06-18 | 2020-10-16 | 湖南大学 | 基于强化学习的对抗性视频时刻检索方法、装置、计算机设备和存储介质 |
-
2021
- 2021-01-18 CN CN202110061914.9A patent/CN112894809B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107020636A (zh) * | 2017-05-09 | 2017-08-08 | 重庆大学 | 一种基于策略梯度的机器人学习控制方法 |
US10766136B1 (en) * | 2017-11-03 | 2020-09-08 | Amazon Technologies, Inc. | Artificial intelligence system for modeling and evaluating robotic success at task performance |
CN108255182A (zh) * | 2018-01-30 | 2018-07-06 | 上海交通大学 | 一种基于深度强化学习的服务机器人行人感知避障方法 |
CN111401556A (zh) * | 2020-04-22 | 2020-07-10 | 清华大学深圳国际研究生院 | 一种对抗式模仿学习中奖励函数的选择方法 |
CN111531543A (zh) * | 2020-05-12 | 2020-08-14 | 中国科学院自动化研究所 | 基于生物启发式神经网络的机器人自适应阻抗控制方法 |
CN111613200A (zh) * | 2020-05-26 | 2020-09-01 | 辽宁工程技术大学 | 一种基于强化学习的降噪方法 |
CN111782870A (zh) * | 2020-06-18 | 2020-10-16 | 湖南大学 | 基于强化学习的对抗性视频时刻检索方法、装置、计算机设备和存储介质 |
CN111708355A (zh) * | 2020-06-19 | 2020-09-25 | 中国人民解放军国防科技大学 | 基于强化学习的多无人机动作决策方法和装置 |
Non-Patent Citations (2)
Title |
---|
M.戈帕尔: "《机器学习及其应用》", 30 April 2020, 机械工业出版社 * |
李科霖: "复杂结构柔顺加工的人机示教编程与机器人力控研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114789444A (zh) * | 2022-05-05 | 2022-07-26 | 山东省人工智能研究院 | 一种基于深度强化学习和阻抗控制的柔顺人机接触方法 |
CN114789444B (zh) * | 2022-05-05 | 2022-12-16 | 山东省人工智能研究院 | 一种基于深度强化学习和阻抗控制的柔顺人机接触方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112894809B (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107662208B (zh) | 一种基于神经网络的柔性关节机械臂有限时间自适应反步控制方法 | |
CN110286595B (zh) | 一类受饱和非线性输入影响的分数阶***自适应控制方法 | |
CN107561935A (zh) | 基于多层神经网络的电机位置伺服***摩擦补偿控制方法 | |
CN111665853A (zh) | 一种面向规划控制联合优化的无人车辆运动规划方法 | |
CN112904726B (zh) | 一种基于误差重构权重更新的神经网络反步控制方法 | |
CN112894809B (zh) | 一种基于强化学习的阻抗控制器设计方法和*** | |
CN107193210B (zh) | 一种非线性***的自适应学习预设性能控制方法 | |
CN106773684B (zh) | 基于智能学习评价的柔性机械臂复合控制方法 | |
CN110162739A (zh) | 基于变遗忘因子的rffklms算法权值更新优化方法 | |
CN104834218B (zh) | 一种平行单级双倒立摆的动态面控制器结构及设计方法 | |
CN111880412A (zh) | 基于单评判网络的可重构机器人零和神经最优控制方法 | |
CN113589689A (zh) | 一种基于多参数自适应神经网络的滑模控制器设计方法 | |
CN111367175B (zh) | 一种未知转移概率跳变***的邻态偏差智能控制方法 | |
CN114326405B (zh) | 一种基于误差训练的神经网络反步控制方法 | |
CN112000116A (zh) | 一种基于改进萤火虫pid方法的自主水下航行器航向角控制方法 | |
CN110991606B (zh) | 基于径向基神经网络的压电陶瓷驱动器复合控制方法 | |
CN113346552A (zh) | 基于积分式强化学习的自适应最优agc控制方法 | |
CN109709809B (zh) | 基于磁滞内核的电/磁流变执行器的建模方法及其跟踪方法 | |
CN114559429B (zh) | 基于自适应迭代学习的柔性机械臂的神经网络控制方法 | |
CN110554605A (zh) | 一种基于约束跟踪的复杂机械***自适应鲁棒控制方法 | |
CN112346342B (zh) | 一种非仿射动力学***的单网络自适应评价设计方法 | |
CN114859725A (zh) | 一种非线性***自适应事件触发控制方法及*** | |
CN112147897B (zh) | 离散不确定多时滞四旋翼***的容错控制方法 | |
CN114139282A (zh) | 一种跨介质飞行器的入水冲击载荷建模方法 | |
CN111221250B (zh) | 一种具有参数不确定性和多个外部扰动的非线性***及其设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |