基于增量学习的复杂动态轨迹跟踪方法、装置、机械臂和存储介质

本发明提供了一种基于增量学习的复杂动态轨迹跟踪方法、装置、机械臂和存储介质，涉及控制领域。本发明利用区间二型演化模糊神经网络获得当前时刻的力矩补偿数据，然后采用了增量学习机制：将当前时刻的力矩补偿数据与上一时刻的力矩控制数据相加，得到当前时刻的力矩控制数据；再将当前时刻的力矩控制数据输入至跟踪控制模型，得到当前时刻的关节驱动数据，这样利用得到的关节驱动数据驱动各个旋转关节运动，使得机械臂的末端执行器对目标轨迹进行跟踪。如此能够克服对复杂动态的目标轨迹进行跟踪的累积跟踪误差和意外动态变化，保证了对复杂轨迹的高精度跟踪控制。