(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210581344.0 (22)申请日 2022.05.26 (71)申请人 中山大学 地址 510275 广东省广州市海珠区新港西 路135号 (72)发明人 谭宁　王鑫　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 梁嘉琦 (51)Int.Cl. B25J 9/16(2006.01) B25J 13/00(2006.01) (54)发明名称 基于类小脑模型的机械臂视觉伺服控制方 法及系统 (57)摘要 本发明公开了一种基于类小脑模型的机械 臂视觉伺服控制方法及系统， 本发 明受到生物机 制的启发为柔性外科内窥镜机械臂设计一种基 于小脑模型的控制方案， 不需要知 道机械臂模型 信息和计算图像雅可比矩阵， 并将物理约束和远 程运动中心约束都考虑进了控制方法中。 方案基 于脉冲神经网络， 具有一定的生物可行性， 并且 相较于第二代人工神经网络， 脉冲神经元之间具 有的脉冲通信方式和动力学特征赋予其超低功 耗计算和时序任务处理的潜力， 提高了内窥镜机 器人自动化控制方案的可靠性、 高效性和精确 性， 可广泛应用于人工智能技 术领域。 权利要求书3页 说明书18页 附图7页 CN 115026813 A 2022.09.09 CN 115026813 A 1.一种基于类小脑模型的机 械臂视觉伺服控制方法， 其特 征在于， 包括： 初始化机械臂关节角度和小脑模型及目标参数； 其中， 所述小脑模型包括输入层、 液体 层和读出层； 所述目标参数包括伺服任务运动时间、 采样时间间隔和小脑模型规模； 所述小 脑模型规模 包括输入子层神经 元个数和液体子层神经 元个数； 获取第一关节角， 拼接所述第一关节角确定驱动信号输入所述小脑模型， 得到模型输 出， 以所述第一关节角作为当前机 械臂关节角度； 对所述模型输出进行物理约束限制得到驱动信号速度， 根据所述驱动信号速度确定关 节运动速度控制机 械臂运动； 获取目标物体参数， 通过第 一零化神经网络根据 所述目标物体参数确定第 一雅可比矩 阵； 其中， 所述目标物体参数为通过图像数据分析得到的机械臂控制目标物体的位置、 速度 和加速度； 获取运动中心点参数， 通过第 二零化神经网络根据 所述运动中心点参数确定第 二雅可 比矩阵； 拼接所述第一雅可比矩阵和所述第二雅可比矩阵得到第三雅可比矩阵； 其中， 所述 运动中心点 参数为通过传感数据测量得到的运动中心点的位置、 速度和 加速度； 对所述第三雅可比矩阵进行远程运动中心约束求解得到期望驱动信号速度， 并更新所 述小脑模型输出层权重； 获取第二关节角作为当前机械臂关节角度， 然后返回所述获取第 一关节角， 拼接所述第一关节角确定驱动信号输入 所述小脑模 型， 得到模型输出， 以所述第 一关节角作为当前机 械臂关节角度这 一步骤， 直至所述伺服任务 运动时间结束。 2.根据权利要求1所述的一种基于类小脑模型的机械臂视觉伺服控制方法， 其特征在 于， 所述方法应用固定点远程 运动中心约束或应用可移动远程 运动中心约束。 3.根据权利要求1所述的一种基于类小脑模型的机械臂视觉伺服控制方法， 其特征在 于， 所述获取第一关节角， 拼接所述第一关节角确定驱动信号输入所述小脑模型， 得到模型 输出， 以所述第一关节角作为当前机 械臂关节角度， 包括： 通过驱动信号刺激所述小脑模型输入层神经元发出脉冲， 进而刺激液体层神经元发出 脉冲； 对脉冲进行记录， 并确定读出层的模型输出。 4.根据权利要求1所述的一种基于类小脑模型的机械臂视觉伺服控制方法， 其特征在 于， 所述对所述模型输出进行物理约束限制得到驱动信号速度， 根据所述驱动信号速度确 定关节运动速度控制机 械臂运动， 包括： 初始化折扣因子； 根据所述模型输出， 结合驱动信号的预设界限更新所述 折扣因子； 根据所述模型输出和更新后的折扣因子， 确定驱动信号速度， 进而根据所述驱动信号 速度确定关节运动速度控制机 械臂运动。 5.根据权利要求1所述的一种基于类小脑模型的机械臂视觉伺服控制方法， 其特征在 于， 所述获取目标物体参数， 通过第一零化神经网络根据所述 目标物体参数确定第一雅可 比矩阵， 包括： 根据所述目标物体参数 预设第一向量 值误差函数； 根据所述第一向量 值误差函数代入所述第一 零化神经网络得到第一 微分方程； 对所述第一 微分方程变换 得到第一 雅可比矩阵。权　利　要　求　书 1/3 页 2 CN 115026813 A 26.根据权利要求1所述的一种基于类小脑模型的机械臂视觉伺服控制方法， 其特征在 于， 所述获取运动中心点参数， 通过第二零化神经网络根据所述运动中心点参数确定第二 雅可比矩阵， 包括： 根据所述 运动中心点 参数预设约束向量 值， 进而预设第二向量 值误差函数； 根据所述第二向量 值误差函数代入所述第二 零化神经网络得到第二 微分方程； 对所述第二 微分方程变换 得到第二 雅可比矩阵。 7.根据权利要求2所述的一种基于类小脑模型的机械臂视觉伺服控制方法， 其特征在 于， 所述拼接所述第一 雅可比矩阵和所述第二 雅可比矩阵得到第三 雅可比矩阵， 包括： 当应用固定远程 运动中心点约束， 通过第一 拼接得到第三 雅可比矩阵； 所述第一 拼接的表达式为： 其中， J(n)表示第三雅可比矩阵， Jsystem(n)表示第一雅可比矩阵， Jrcm(n)表示第二雅可 比矩阵， 表示实数集。 8.根据权利要求2所述的一种基于类小脑模型的机械臂视觉伺服控制方法， 其特征在 于， 所述拼接所述第一 雅可比矩阵和所述第二 雅可比矩阵得到第三 雅可比矩阵， 包括： 当应用可移动远程 运动中心点约束， 通过第二 拼接得到第三 雅可比矩阵； 所述第二 拼接的表达式为： 其中， J(n)表示第三雅可比矩阵， Jsystem(n)表示第一雅可比矩阵， Jrcm_a(n)和Jrcm_β(n)由 第二雅可比矩阵Jrcm(n)分解得到， 表示实数集。 9.根据权利要求1所述的一种基于类小脑模型的机械臂视觉伺服控制方法， 其特征在 于， 所述对所述第三雅可比矩阵进行远程运动中心约束求解得到期望驱动信号速度， 并更 新所述小脑模型输出层权 重， 包括： 预设期望误差向量 值； 根据所述期望误差向量值确定期望进行远程运动中心约束求解得到期望驱动信号速 度； 通过线性 回归对所述小脑模型读出层进行输出权重训练， 根据 所述输出权重训练更新 所述小脑模型输出层权 重。 10.一种基于类小脑模型的机 械臂视觉伺服控制系统， 其特 征在于， 包括： 第一模块， 用于初始化机械臂关节角度和小脑模型及目标参数； 其中， 所述小脑模型包 括输入层、 液体层和读出层； 所述目标参数包括伺服任务运动时间、 采样时间间隔和小脑模 型规模； 所述小脑模型规模 包括输入子层神经 元个数和液体子层神经 元个数； 第二模块， 用于获取第一关节角， 拼接所述第一关节角确定驱动信号输入所述小脑模 型， 得到模型输出， 以所述第一关节角作为当前机 械臂关节角度； 第三模块， 用于对所述模型输出进行物理约束限制得到驱动信号速度， 根据所述驱动 信号速度确定关节运动速度控制机 械臂运动；权　利　要　求　书 2/3 页 3 CN 115026813 A 3