机器人的控制方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115933643A(43)申请公布日2023.04.07(21)申请号202211462505.0(22)申请日2022.11.21(71)申请人深圳市智绘科技有限公司地址518000广东省深圳市南山区西丽街道西丽社区打石一路深圳国际创新谷六栋（万科云城六期二栋）A座3001研发用房至3004研发用房(72)发明人熊伟成周心其(74)专利代理机构深圳智汇远见知识产权代理有限公司44481专利代理师姜城子(51)Int.Cl.G05D1/02(2020.01)权利要求书3页说明书18页附图4页(54)发明名称机器人的控制方法、装置、电子设备及存储介质(57)摘要本发明公开了一种机器人的控制方法、装置、电子设备及存储介质，属于机器人领域。该方法包括：构建机器人的状态转移模型，其中，状态转移模型为运动状态与控制量之间的关系；接收机器人的当前运动状态的当前状态参数；根据当前状态参数和状态转移模型对机器人在目标时间窗口内所有控制周期的运动状态进行预测，得到预测结果序列，其中，预测结果序列包括多个预测运动状态，每个预测运动状态对应一个控制周期；采用预测结果序列计算当前时间窗口的当前代价函数；采用当前代价函数和预设约束条件预测目标时间窗口内的目标控制量；在目标时间窗口采用目标控制量控制机器人。通过本发明，解决了相关技术中机器人运动控制的鲁棒性较差的技术问题。CN115933643ACN115933643A权利要求书1/3页1.一种机器人的控制方法，其特征在于，所述方法包括：构建机器人的状态转移模型，其中，所述状态转移模型为运动状态与控制量之间的关系；接收所述机器人的当前运动状态的当前状态参数；根据所述当前状态参数和所述状态转移模型对所述机器人在目标时间窗口内所有控制周期的运动状态进行预测，得到预测结果序列，其中，所述预测结果序列包括多个预测运动状态，每个预测运动状态对应一个控制周期；采用所述预测结果序列计算当前时间窗口的当前代价函数；采用所述当前代价函数和预设约束条件预测所述目标时间窗口内的目标控制量；在所述目标时间窗口采用所述目标控制量控制所述机器人。2.根据权利要求1所述的方法，其特征在于，构建机器人的状态转移模型包括：获取机器人的类型，根据所述机器人的类型构建对应的运动学模型；若所述机器人的类型为双轮差速机器人，则获取所述机器人的运动状态和控制量，所述运动状态包括机器人的位置信息、机器人底盘的速度以及机器人底盘的角速度，所述控制量包括线加速度和角加速度；根据所述运动状态和所述控制量构建如下的机器人运动学模型：其中，x和y为定位所述机器人的位置坐标，v为机器人底盘的速度，ω为机器人底盘的角速度，为定位所述机器人的航向角，a为加速度，β为角加速度，是x的微分，是y的微分，是v的微分，是的微分，是ω的微分；根据所述机器人运动学模型构建机器人的状态转移模型。3.根据权利要求2所述的方法，其特征在于，根据所述机器人运动学模型构建机器人的状态转移模型包括：根据所述运动学模型中所述运动状态和所述控制量的函数计算运动状态的微分：为运动状态的微分，ξ为运动状态，u为控制量，ξ包括[xyvω]T，u包括[aβ]T，T为转置符；获取所述运动状态的参考量，将所述运动状态减去所述参考量，得出状态误差计算所述状态误差的微分，得到如下状态转移模型：2CN115933643A权利要求书2/3页其中，A和B是分别对ξ和u求导，为的微分。4.根据权利要求1所述的方法，其特征在于，根据所述当前状态参数和所述状态转移模型对所述机器人在目标时间窗口内所有控制周期的运动状态进行预测包括：获取第一控制周期的当前运动状态，将所述当前运动状态的当前状态参数输入所述状态转移模型，得到第二控制周期的第一状态预测结果，其中，所述第二周期为所述第一周期的下一个周期；迭代执行以下步骤，直到所述目标时间窗口的最后一个控制周期：将所述第一状态预测结果确定为当前运动状态，将所述当前运动状态输入所述状态转移模型，得到第三控制周期的第二状态预测结果，其中，所述第三周期为所述第二周期的下一个周期。5.根据权利要求1所述的方法，其特征在于，采用所述预测结果序列计算当前时间窗口的当前代价函数包括：采用所述预测结果序列构建当前时间窗口以下当前代价函数G：其中，Q和R为权重参数，ξ为运动状态，u为控制量，ξr为运动状态的参考量，ur为控制量的参考量，ξi为运动状态中的任一个运动状态，N为预测状态的总周期数；采用求解器对所述当前代价函数进行求解，使得所述当前代价函数在求解空间中满足以下约束条件得到所述当前代价函数G取得最小值的控制量集合{ui|i∈[1...Nc]}，Nc为所述状态转移模型输出控制量的总周期数。6.根据权利要求5所述的方法，其特征在于