一种基于EAGA的移动机器人在线自适应LQR控制方法

摘要: 本发明涉及移动机器人,尤其涉及一种基于eaga的移动机器人在线自适应lqr控制方法。背景技术:1、线性二次型调节器(lqr)被广泛用作移动机器人的底层状态反馈控...
一种基于EAGA的移动机器人在线自适应LQR控制方法

本发明涉及移动机器人,尤其涉及一种基于eaga的移动机器人在线自适应lqr控制方法。

背景技术:

1、线性二次型调节器(lqr)被广泛用作移动机器人的底层状态反馈控制器,但其权重矩阵q和r高度依赖人工经验进行静态配置,缺乏动态自适应能力,在遭遇时变扰动、负载突变或模型失配时,固化的权重难以维持最优状态,易引发响应滞后、能耗激增甚至失稳。现有采用遗传算法或粒子群算法的参数寻优方法大多局限于离线仿真环境,适应度评估脱离物理实体的实时传感器交互,导致参数部署实机时出现严重的“仿真到现实”性能衰减;且标准遗传算法易因种群多样性丧失而早熟收敛,粒子群算法在高维搜索空间中易深陷局部最优。此外,深度强化学习虽具备在线适应潜力,但存在试错样本需求大、训练不稳定及收敛慢等缺陷,难以安全应用于对实时性和底层安全性要求极高的移动机器人平台。

2、因此,如何提供一种基于eaga的移动机器人在线自适应lqr控制方法是本领域技术人员需要解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于eaga的移动机器人在线自适应lqr控制方法,本发明将扩展自适应遗传算法与具身智能机制相结合,融合权重参数降维正定编码、闭环稳定性安全预检、实机具身适应度评估、多子种群协同演进及无扰切换与能量势垒监控等关键步骤,以真实物理环境中的感知反馈直接驱动参数演进,有效解决了现有技术依赖离线仿真导致的虚实性能断层、参数静态固化及在线部署安全风险高的问题。

2、根据本发明实施例的一种基于eaga的移动机器人在线自适应lqr控制方法,包括如下步骤:

3、s1、采集移动机器人的状态向量与控制向量,基于所述状态向量与所述控制向量设定二次型代价函数,输出由反馈增益矩阵k对所述状态向量加权构成的状态反馈控制律;

4、s2、将lqr对角加权矩阵q和r的对角元素降维编码为进化个体,并行初始化多个子种群,对所述进化个体执行强制投影操作,输出基因值严格为正的进化个体及所述多个子种群;

5、s3、对所述基因值严格为正的进化个体解码求解,得到所述反馈增益矩阵k并校验其闭环稳定性,输出通过安全预检的反馈增益矩阵k;

6、s4、将所述通过安全预检的反馈增益矩阵k注入底层控制器,依据所述状态反馈控制律驱动机器人在真实物理环境中运行,采集传感器实时反馈数据并解算综合评价函数,输出具身适应度得分;

7、s5、依据所述具身适应度得分更新历史最优解,对所述多个子种群执行环形拓扑迁移、沿所述历史最优解方向的引导交叉及基于个体排名的扩散变异,输出演进后的新一代反馈增益矩阵k;

8、s6、以设定的更新节拍滚动执行步骤s3至s5,将所述演进后的新一代反馈增益矩阵k通过毫秒级插值无扰切换下发,当系统瞬态能量超过预设阈值时回退至上一代反馈增益矩阵k,输出在线更新的反馈增益矩阵k序列。

9、可选的,所述s1具体包括:

10、s11、采集移动机器人的状态向量,所述状态向量包含移动机器人的姿态与位置信息;

11、s12、采集移动机器人的控制向量,所述控制向量包含施加于移动机器人的力矩与推力;

12、s13、基于所述状态向量与所述控制向量设定lqr的二次型代价函数,输出由所述反馈增益矩阵k对所述状态向量加权构成的状态反馈控制律。

13、可选的,所述s2具体包括:

14、s21、提取lqr的对角加权矩阵q和r的对角元素,将各对角元素降维排列成一维连续实数染色体向量,将所述一维连续实数染色体向量作为进化个体;

15、s22、并行初始化多个相互隔离的子种群;

16、s23、对所述进化个体执行强制投影操作,将所有基因值约束在正数边界内,以保证所述对角加权矩阵q和r的正定性,输出基因值严格为正的进化个体及所述多个子种群。

17、可选的,所述s3具体包括:

18、s31、对所述基因值严格为正的进化个体解码求解代数黎卡提方程,得到所述反馈增益矩阵k;

19、s32、核对所述反馈增益矩阵k对应的闭环极点实部,通过所述闭环极点实部校验所述反馈增益矩阵k的闭环稳定性,判断所述闭环极点实部是否满足系统稳定裕度;

20、s33、将所述闭环极点实部不满足系统稳定裕度的个体赋予致死惩罚予以淘汰,输出通过安全预检的反馈增益矩阵k。

21、可选的,所述s4具体包括:

22、s41、将所述通过安全预检的反馈增益矩阵k注入底层控制器,依据所述状态反馈控制律驱动机器人在真实物理环境中运行一个设定时间窗口;

23、s42、通过机载imu与编码器采集传感器实时反馈数据,从所述传感器实时反馈数据中提取轨迹追踪偏差、电机实测能耗、控制指令平滑度及受扰动后的极限偏差;

24、s43、将所述轨迹追踪偏差、所述电机实测能耗、所述控制指令平滑度及所述受扰动后的极限偏差输入综合评价函数进行加权求和,输出所述通过安全预检的反馈增益矩阵k对应的具身适应度得分。

25、可选的,所述s5具体包括:

26、s51、依据所述具身适应度得分更新历史最优解,并将所述历史最优解存入历史精英档案库;

27、s52、按照设定的代数周期执行环形拓扑迁移,将所述多个子种群中具身适应度得分最高的个体沿环形拓扑网络交换至相邻子种群;

28、s53、在引导交叉环节,强制引导所述多个子种群中个体沿所述历史最优解方向进行定向重组;

29、s54、执行基于个体排名的扩散变异,依据所述具身适应度得分对个体排名动态分配变异步长,对排名靠后的个体施加大幅值变异,对排名靠前的个体施加细粒度扰动;

30、s55、将演进后的最优个体解码求解,输出演进后的新一代反馈增益矩阵k。

31、可选的,所述s6具体包括:

32、s61、以设定的更新节拍滚动执行步骤s3至s5,将所述演进后的新一代反馈增益矩阵k通过毫秒级插值无扰切换下发至所述底层控制器;

33、s62、通过李雅普诺夫能量势垒监控程序实时监测系统瞬态能量,当系统瞬态能量超过预设阈值时回退至上一代反馈增益矩阵k;

34、s63、以热启动机制将所述演进后的新一代反馈增益矩阵k对应的最佳个体保留为下一轮演化的初始个体,输出在线更新的反馈增益矩阵k序列。

35、本发明的有益效果是:

36、一、通过对lqr对角加权矩阵q和r的对角元素降维编码并执行强制投影操作,从编码层面保证参数严格为正,使每个进化个体均对应可解的代数黎卡提方程;配合闭环极点实部校验与致死惩罚淘汰机制在参数下发实机前拦截失稳增益,使在线演化无需大规模试错样本即可安全开展,克服了深度强化学习实机部署试错成本高、策略演化不稳定的缺陷。

37、二、通过将反馈增益矩阵k注入底层控制器、以真实物理运行数据解算具身适应度得分,使参数优劣由实机表现直接裁决,消除了“仿真到现实”性能衰减,并对传感器噪声具备高容忍度。

38、三、通过环形拓扑迁移、沿历史最优解方向的引导交叉及基于个体排名的扩散变异协同演进,在保持种群多样性的同时加速全局收敛,克服了常规进化算法早熟收敛与粒子聚集问题。

39、四、通过以设定的更新节拍滚动执行寻优全流程,并配合毫秒级插值无扰切换、李雅普诺夫能量势垒监控及热启动机制下发,使控制参数随工况漂移持续自适应刷新且更新全程安全平稳,克服了传统lqr权重静态固化导致的响应滞后与能耗激增问题,最终显著降低调节时间与姿态超调量,提高移动机器人在非名义工况下的轨迹跟踪精度与长期运行鲁棒性。