一种轨迹跟踪控制方法、装置、设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111665861A(43)申请公布日2020.09.15(21)申请号202010425276.X(22)申请日2020.05.19(71)申请人中国农业大学地址100193北京市海淀区圆明园西路2号(72)发明人安冬穆义卓位耀光李道亮李保科(74)专利代理机构北京路浩知识产权代理有限公司11002代理人陈新生(51)Int.Cl.G05D1/10(2006.01)G05B13/04(2006.01)权利要求书2页说明书10页附图2页(54)发明名称一种轨迹跟踪控制方法、装置、设备和存储介质(57)摘要本发明实施例提供一种轨迹跟踪控制方法、装置、设备和存储介质。该方法包括：获得被控制对象的当前状态，将所述当前状态由图信息表示；将所述图信息输入至预设的图神经网络模型，结合预设的目标轨迹确定当前的最优控制序列；其中，所述预设的图神经网络模型是基于随机轨迹数据集进行训练后得到，所述随机轨迹数据集包括随机轨迹状态图和输出标签。本发明实施例通过采用图神经网络模型对被控制对象进行轨迹跟踪控制，能够克服水下被控制对象运动模型和运动环境的不确定性，实现了高效、准确的对被控制对象进行轨迹跟踪控制。CN111665861ACN111665861A权利要求书1/2页1.一种轨迹跟踪控制方法，其特征在于，包括：获得被控制对象的当前状态，将所述当前状态由图信息表示；将所述图信息输入至预设的图神经网络模型，结合预设的目标轨迹确定当前的最优控制序列；其中，所述预设的图神经网络模型是基于随机轨迹数据集进行训练后得到，所述随机轨迹数据集包括随机轨迹状态图和输出标签。2.根据权利要求1所述的轨迹跟踪控制方法，其特征在于，所述获得当前状态，将所述当前状态由图信息表示前，还包括：构建图神经网络模型；对所述图神经网络模型进行训练，确定所述预设的图神经网络模型。3.根据权利要求2所述的轨迹跟踪控制方法，其特征在于，所述对所述图神经网络模型进行训练，确定所述预设的图神经网络模型，具体包括：获取在运动环境中的所述随机轨迹数据集；利用所述随机轨迹数据集对图神经网络模型进行训练，确定所述预设的图神经网络模型。4.根据权利要求2所述的轨迹跟踪控制方法，其特征在于，所述构建图神经网络模型前，还包括：建立所述被控制对象的简化物理模型，所述简化物理模型为多关节的链状物理模型，所述简化物理模型由若干个关节，以及相邻两个关节之间的关节段构成。5.根据权利要求4所述的轨迹跟踪控制方法，其特征在于，还包括：基于所述简化物理模型和运动环境中的随机轨迹状态，获得随机轨迹状态图；其中，所述随机轨迹状态图的顶点表示关节的位置和速度，所述随机轨迹状态图的边特征向量表示关节段对应的关节索引，所述随机轨迹状态图的全局特征向量表示质心的位置和速度；将所述随机轨迹状态图添加输出标签处理，获得所述随机轨迹数据集。6.根据权利要求1所述的轨迹跟踪控制方法，其特征在于，所述将所述图信息输入至预设的图神经网络模型，结合预设的目标轨迹确定当前的最优控制序列，具体包括：在一个控制周期内，获取所述当前状态对应的所述图信息，并随机生成预设个数的候选动作序列；将所述图信息和所述候选动作序列输入至所述图神经网络模型，结合所述预设的目标轨迹获得预测所述候选动作序列的结果；通过预设的优化目标函数对所述预测所述候选动作序列的结果选择，确定当前的最优控制序列。7.根据权利要求6所述的轨迹跟踪控制方法，其特征在于，还包括：图神经网络模型会在下一个控制周期对所述预测所述候选动作序列的结果进行反馈校正。8.一种轨迹跟踪控制装置，其特征在于，包括：状态获取模块：用于获得被控制对象的当前状态，将所述当前状态由图信息表示；控制模块：用于将所述图信息和输入至预设的图神经网络模型，结合预设的目标轨迹获得当前的最优控制序列；其中，所述预设的图神经网络模型是基于随机轨迹数据集和输出标签进行训练后得到。2CN111665861A权利要求书2/2页9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述轨迹跟踪控制方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述轨迹跟踪控制方法的步骤。3CN111665861A说明书1/10页一种轨迹跟踪控制方法、装置、设备和存储介质技术领域[0001]本发明涉及机器运动控制技术领域，尤其涉及一种轨迹跟踪控制方法、装置、设备和存储介质。背景技术[0002]由于水下环境的复杂性，以及仿生机器鱼欠驱动、强耦合、非线性的特性，使得仿生机器鱼的轨迹跟踪控制研究成为一个十分具有挑