基于Koopman算子的软体机器人控制方法、装置、设备及介质

技术特征：
1.一种基于koopman算子的软体气动机器人控制方法，其特征在于，包括：获取软体气动机器人的滞后特征数据，并基于所述滞后特征数据构建离散时间非线性动态模型；利用koopman算子逼近所述离散时间非线性动态模型，并构建基于koopman算子的spas模型；给定参考轨迹，利用所述spas模型设计模型预测控制器，并利用所述模型预测控制器对软体气动机器人进行动力学控制。2.根据权利要求1所述的基于koopman算子的软体气动机器人控制方法，其特征在于，所述获取软体气动机器人的滞后特征数据，并基于所述滞后特征数据构建离散时间非线性动态模型，包括：采集软体气动机器人的输入气压数据与输出弯度数据，并基于输入输出数据构建离散时间非线性动态模型。3.根据权利要求1所述的基于koopman算子的软体气动机器人控制方法，其特征在于，所述利用koopman算子逼近所述离散时间非线性动态模型，并构建基于koopman算子的spas模型，包括：利用koopman算子逼近所述离散时间非线性动态模型，求解软体气动机器人的koopman算子高维线性模型；基于edmd算法获取所述koopman算子高维线性模型在有限维空间中的预设条件下的近似矩阵；利用所述近似矩阵构建基于koopman算子的spas模型。4.根据权利要求1所述的基于koopman算子的软体气动机器人控制方法，其特征在于，利用所述模型预测控制器对软体气动机器人进行动力学控制，包括：利用所述模型预测控制器在每一采样时刻求解有限时域内的控制序列；提取所述控制序列中的控制信号，将所述控制信号发送至所述软体气动机器人，以控制所述软体气动机器人的运动姿态。5.根据权利要求4所述的基于koopman算子的软体气动机器人控制方法，其特征在于，所述模型预测控制器包括预测环节、滚动优化环节及反馈校正环节。6.根据权利要求5所述的基于koopman算子的软体气动机器人控制方法，其特征在于，所述利用所述模型预测控制器对软体气动机器人进行动力学控制，具体包括：通过所述滚动优化环节设定目标函数及预设约束条件，求解在所述目标函数及预设约束条件下的第一控制序列，利用所述第一控制序列中的第一个控制信号作用到软体气动机器人中，以求解下一时刻在所述目标函数及预设约束条件下的第二控制序列，循环此过程；通过所述预测环节对软体气动机器人的实际输出进行预测，以获得软体气动机器人的预测输出；通过所述反馈校正环节将软体气动机器人的实际输出与预测输出得到预测误差，并基于所述预测误差对软体气动机器人未来时刻的预测输出进行修正，以利用修正后的预测输出进行闭环反馈控制。7.根据权利要求1所述的基于koopman算子的软体气动机器人控制方法，其特征在于，所述方法还包括：
对所述控制方法进行验证处理。8.一种基于koopman算子的软体气动机器人控制装置，其特征在于，包括：非线性动态模型构建模块，用于获取软体气动机器人的滞后特征数据，并基于所述滞后特征数据构建离散时间非线性动态模型；spas模型构建模块，用于利用koopman算子逼近所述离散时间非线性动态模型，并构建基于koopman算子的spas模型；控制模块，用于给定参考轨迹，利用所述spas模型设计模型预测控制器，并利用模型预测控制器对软体气动机器人进行动力学控制。9.一种电子设备，其特征在于，包括存储器和处理器，其中，所述存储器，用于存储程序；所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述权利要求1至7中任一项所述基于koopman算子的软体气动机器人控制方法中的步骤。10.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时，能够实现上述权利要求1至7中任一项所述基于koopman算子的软体气动机器人控制方法中的步骤。

技术总结
本发明涉及一种基于Koopman算子的软体气动机器人控制方法、装置、设备及介质，其方法包括：获取软体气动机器人的滞后特征数据，并基于所述滞后特征数据构建离散时间非线性动态模型；利用Koopman算子逼近所述离散时间非线性动态模型，并构建基于Koopman算子的SPAs模型；给定参考轨迹，利用所述SPAs模型设计模型预测控制器，并利用所述模型预测控制器对软体气动机器人进行动力学控制。本发明中的模型预测控制器在处理SPAs的物理约束时仍能很好地工作，解决了软体气动机器人的迟滞问题，实现了更加精准的控制。了更加精准的控制。了更加精准的控制。


技术研发人员：刘兆冰 韩吕鹏 彭柯瑞 陈天翼
受保护的技术使用者：武汉理工大学
技术研发日：2022.08.12
技术公布日：2022/10/21