本发明涉及机器人智能控制，特别是指一种基于改进蜣螂优化算法的机器人自适应跟踪控制方法及装置。
背景技术：
1、近年来，移动机器人应用于各个领域。由于外部环境的复杂性和高非线性和移动机器人的强耦合性，使整个系统的控制过程变得困难。传统的移动机器人跟踪控制方法基于运动学模型设计，只适用于速度较慢、精度要求不高的场景，且跟踪精度受参数影响较大，一旦外部环境发生变化，跟踪精度会大打折扣，甚至跟踪失败。目前大多数移动机器人跟踪控制方法未能同时考虑跟踪精度和不确定干扰以及参数自适应。神经网络具有对任意非线性函数逼近的能力，这为处理扰动的影响提供了基础保障。此外，过去研究中的参数选择经常依赖于经验调整，这对系统选择适当的参数带来了极大的挑战。随着优化技术的突破，这给移动机器人跟踪控制领域提供了新的思路。优化算法具备强大的寻优能力，可从大量的大数据中找到最佳选项，有效应对各种环境下参数对系统跟踪精度的影响。在优化算法的加持下，移动机器人可以在不同场景下自主完成参数选择，实现智能化。
2、滑模控制方法在移动机器人跟踪控制领域得到了一定的研究和应用，但仍存在着很多问题，如受抖振的影响，并且抵抗外部不确定干扰的能力较弱、鲁棒性低等。现有的研究方法通过采用运动学和动力学模型相结合的方式提升系统的响应速度和鲁棒性，但仍会受到外部干扰和参数变化的影响。此外，模糊神经网络的推理和逼近能力被用来估计系统的不确定性，解决传统逼近网络中固有的输入约束和规则冗余问题。自适应神经网络用来补偿基于自适应估计的移动机器人系统中的不确定性和非线性。目前的处理方式仅停留在移动机器人自身模型的层面，很难克服来自外部的干扰，以及控制器参数对系统稳定性和精确性的影响，这导致移动机器人在复杂场景下时，现有方法的适应性明显不足，容易出现跟踪失败、精确度较差等问题，严重影响了整体的准确性和可靠性，这显然并非最理想的方案。
3、在现有技术中，缺乏一种面向机器人移动的准确性高且鲁棒性好的自适应跟踪控制方法。
技术实现思路
1、为了解决现有技术存在的抵抗外部不确定干扰能力较弱的技术问题，本发明实施例提供了一种基于改进蜣螂优化算法的机器人自适应跟踪控制方法及装置。所述技术方案如下：
2、一方面，提供了一种基于改进蜣螂优化算法的机器人自适应跟踪控制方法，该方法由自适应跟踪控制设备实现，该方法包括：
3、获取移动机器人参数；通过传感器对移动机器人的运动状态进行数据采集，获得运动状态信息；
4、根据所述机器人参数以及运动状态信息进行模型构建，获得机器人运动学模型以及机器人动力学模型；
5、根据所述机器人运动学模型，采用反步法进行控制器设计，获得运动学控制器；
6、根据所述机器人动力学模型，采用基于组合趋近律的滑模控制方法进行控制器设计，获得第一动力学控制器；
7、基于第一动力学控制器，根据所述机器人动力学模型，使用自适应rbf神经网络对运功控制的干扰影响进行补偿，获得第二动力学控制器；
8、采用改进的蜣螂优化算法，对所述第二动力学控制器进行参数优化，获得第三动力学控制器；
9、根据所述运动学控制器以及所述第三动力学控制器，获得自适应跟踪控制器；
10、获取期望运动轨迹；根据所述期望运动轨迹，通过移动机器人的所述自适应跟踪控制器进行运动控制。
11、另一方面，提供了一种基于改进蜣螂优化算法的机器人自适应跟踪控制装置，该装置应用于基于改进蜣螂优化算法的机器人自适应跟踪控制方法，该装置包括：
12、信息采集模块，用于获取移动机器人参数；通过传感器对移动机器人的运动状态进行数据采集，获得运动状态信息；
13、模型构建模块，用于根据所述机器人参数以及运动状态信息进行模型构建，获得机器人运动学模型以及机器人动力学模型；
14、运动学控制器构建模块，用于根据所述机器人运动学模型，采用反步法进行控制器设计，获得运动学控制器；
15、第一动力学控制器构建模块，用于根据所述机器人动力学模型，采用基于组合趋近律的滑模控制方法进行控制器设计，获得第一动力学控制器；
16、第二动力学控制器构建模块，用于基于第一动力学控制器，根据所述机器人动力学模型，使用自适应rbf神经网络对运功控制的干扰影响进行补偿，获得第二动力学控制器；
17、第三动力学控制器构建模块，用于采用改进的蜣螂优化算法，对所述第二动力学控制器进行参数优化，获得第三动力学控制器；
18、自适应跟踪控制器构建模块，用于根据所述运动学控制器以及所述第三动力学控制器，获得自适应跟踪控制器；
19、机器人运动控制模块，用于获取期望运动轨迹；根据所述期望运动轨迹，通过移动机器人的所述自适应跟踪控制器进行运动控制。
20、另一方面，提供一种自适应跟踪控制设备，所述自适应跟踪控制设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述基于改进蜣螂优化算法的机器人自适应跟踪控制方法中的任一项方法。
21、另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于改进蜣螂优化算法的机器人自适应跟踪控制方法中的任一项方法。
22、本发明实施例提供的技术方案带来的有益效果至少包括：
23、本发明提出了一种基于改进蜣螂优化算法的机器人自适应跟踪控制方法，基于移动机器人运动学和动力学模型，设计了基于组合趋近律的滑模变结构力矩控制器来保证速度跟踪，使得系统能够更好地解决了抖振问题。针对移动机器人系统面对的未知外部干扰，设计了一种自适应rbf神经网络。它能够减小干扰对系统的影响，提高系统的鲁棒性和跟踪性能。通过改进的蜣螂优化算法，增强控制器参数整定的自适应性，提高系统的鲁棒性和跟踪性能。本发明考虑了移动机器人的外部干扰，并设计基于进的蜣螂优化算法的控制方法，能够有效地抑制移动机器人系统收到的干扰，并且能够准确地跟踪期望轨迹。本发明是一种面向机器人移动的准确性高且鲁棒性好的自适应跟踪控制方法。
1.一种基于改进蜣螂优化算法的机器人自适应跟踪控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于改进蜣螂优化算法的机器人自适应跟踪控制方法，其特征在于，所述根据所述机器人运动学模型，采用反步法进行控制器设计，获得运动学控制器，包括：
3.根据权利要求1所述的基于改进蜣螂优化算法的机器人自适应跟踪控制方法，其特征在于，所述根据所述机器人动力学模型，采用基于组合趋近律的滑模控制方法进行控制器设计，获得第一动力学控制器，包括：
4.根据权利要求3所述的基于改进蜣螂优化算法的机器人自适应跟踪控制方法，其特征在于，所述基于第一动力学控制器，根据所述机器人动力学模型，使用自适应rbf神经网络对运功控制的干扰影响进行补偿，获得第二动力学控制器，包括：
5.根据权利要求1所述的基于改进蜣螂优化算法的机器人自适应跟踪控制方法，其特征在于，所述采用改进的蜣螂优化算法，对所述第二动力学控制器进行参数优化，获得第三动力学控制器，包括：
6.根据权利要求5所述的基于改进蜣螂优化算法的机器人自适应跟踪控制方法，其特征在于，所述改进蜣螂优化算法是在蜣螂优化算法中引入立方体混沌理论以及反向折射机制的改进算法。
7.一种基于改进蜣螂优化算法的机器人自适应跟踪控制装置，所述基于改进蜣螂优化算法的机器人自适应跟踪控制装置用于实现如权利要求1-6任一项所述基于改进蜣螂优化算法的机器人自适应跟踪控制方法，其特征在于，所述装置包括：
8.根据权利要求7所述的基于改进蜣螂优化算法的机器人自适应跟踪控制装置，其特征在于，所述运动学控制器构建模块，进一步用于：
9.一种自适应跟踪控制设备，其特征在于，所述自适应跟踪控制设备包括：
10.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1至6任一项所述的方法。
