1.基于SCN系统偏移量辨识的坐垫机器人限时学习控制方法，其特征在于：基于坐垫机器人的动力学模型，将使用者引起系统的偏移量从模型中分离，建立具有系统偏移量的坐垫机器人动力学模型；基于SCN方法构建系统偏移量的网络辨识模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得坐垫机器人系统的偏移量；基于迭代学习理论，设计限时学习跟踪控制器，抑制系统偏移量对坐垫机器人跟踪精度的影响，同时在有限学习时间内实现稳定的轨迹跟踪。步骤如下：

1)基于坐垫机器人的动力学模型，将使用者引起系统的偏移量从模型中分离，建立具有系统偏移量的坐垫机器人动力学模型；

2)基于SCN方法构建系统偏移量的网络辨识模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得坐垫机器人系统的偏移量；

3)基于迭代学习理论，设计限时学习跟踪控制器，抑制系统偏移量对坐垫机器人跟踪精度的影响，同时在有限学习时间内实现稳定的轨迹跟踪。

2.根据权利要求1所述基于SCN系统偏移量辨识的坐垫机器人限时学习控制方法，其特征在于基于坐垫机器人的动力学模型，将使用者引起系统的偏移量从模型中分离，建立具有系统偏移量的坐垫机器人动力学模型，系统的动力学模型描述如下其中，

其中，M表示坐垫机器人质量，m表示使用者质量，M0表示系数矩阵，X(t)表示坐垫机器人在x、y和旋转角三个方向的运动轨迹，u(t)为坐垫机器人三个轮子的控制输入力，r0表示坐垫机器人的重心到中心的距离，I0表示坐垫机器人的转动惯量， 表示使用者的转动惯量，θ表示水平轴和机器人中心与第一个轮子中心连线间的夹角，l表示坐垫机器人的重心到每个全向轮中心的距离。

当坐垫机器人学习到第k次时，系统模型(2)写成如下形式其中k∈Z+表示学习次数，t∈[0,T]表示学习时间。分离模型(2)中由使用者引起系统的偏移量和使用者质量信息，记M0＝M1+ΔM0+ΔM1，模型(2)可以化为如下形式其中， 且ξ1(t)、ξ2(t)均有界，令x1,k(t)＝Xk(t)， 由方程(3)得到具有系统偏移量的坐垫机器人动力学模型：

3.根据权利要求1所述基于SCN系统偏移量辨识的坐垫机器人限时学习控制方法，其特征在于基于SCN方法构建系统偏移量的网络辨识模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得坐垫机器人系统的偏移量，以坐垫机器人运动轨迹和速度 作为SCN的网络输入层，并通过权重ω和阈值b与隐含层连接，利用高斯函数得到隐含层输出G(xk(t))。

其中，

b＝[b1,b2,…bQ]T，

G(xk(t))＝[g1(ω1xk(t)+b1),...,gQ(ωQxk(t)+bQ)]Tgj(ωjxk(t)+bj)为隐含层第j个节点的输出j＝(1,2,…,Q)，ωd,j为输入层第d个输入连接隐含层第j个节点的权值，d＝(1,2,…,6)，bj为隐含层第j个节点的阈值。

然后，SCN隐含层通过权重 与输出层连接，得到系统偏移量的网络输出 如下：其中，

为第j个隐含层节点连接第个g输出的权值g＝(1,2,3)。

进一步，根据隐含层节点数为Q-1时得到的系统偏移量误差 随机配置第Q个隐含层节点参数，使其满足δQ>0，δQ表达形式如下：其中，参数0

4.根据权利要求1所述基于SCN系统偏移量辨识的坐垫机器人限时学习控制方法，其特征在于基于迭代学习理论，设计限时迭代学习跟踪控制器，抑制系统偏移量对坐垫机器人跟踪精度的影响，同时在有限学习时间内实现稳定的轨迹跟踪。根据坐垫器人在第k次学习的运动轨迹x1,k(t)和指定轨迹xd(t)，得到第k次学习的轨迹跟踪误差和速度跟踪误差分别为设计辅助变量zk(t)＝e2,k(t)-η(e1,k(t))，η(e1,k(t))＝-H1Sig(e1,k(t))α，0<α<1，其中H1＝diag(h11,h12,h13),h1n>0,n＝1,2,3令 定义如下公式

令系统偏移量估计 的权值矩阵 的最优值为β*，且

于是可得权值误差

设计权值自适应率为

其中Θ和H2为自适应率参数，且Θ＝diag(σ11,σ12,…,σ1Q),H2＝diag(h21,h22,…,h2Q),σ1j>0,h2j>0。

由式(4)和式(7)可得跟踪误差系统为：

设计第k次限时学习控制器为：

其中γ为学习增益， 为ξ2(t)在第k次学习时的估计值，且估计误差为η(zk(t))＝-H3Sig(zk(t))α，H3＝diag(h31,h32,h33),hν>0,ν＝1,2,3， 建立李雅普诺夫函数如下沿误差系统(9)对式(12)求导，可得

其中ε＝ξ1(t)-β*TG(xk(t))，取参数 并将自适应率(8)代入式(13)，得其中 h1min＝min{h1g}，h2min＝min{h2g}，h3min＝min{h3g}，由式(14)可以得到 根据有限时间稳定理论可知，坐垫机器人在第k次学习时的跟踪误差系统有限时间稳定，且有限的调整时间经过第k次学习后，误差系统在有限时间可实现稳定，接下来，进一步说明随着学习次数增加，限时学习控制器能够使跟踪误差逐渐趋向于零。

建立李雅普诺夫函数

由式(14)可知，

其中，

将控制器(10)、(11)和式(17)代入式(16)，并令Vk(0)＝0可得由ΔLk(t)<0可知，Lk(t)是递减函数。

根据式(18)可知

对式(15)求导，并且令k＝0，可得

将误差系统(9)和控制器(10)、(11)代入式(20)，可得由式(21)可知L0(t)在t∈[0,T]上连续且有界，进而由式(19)可知Lk(t)连续且有界。

由式(16)可知，式Lk(t)可以写成如下形式

将式(18)代入式(21)可得，

由上式可推出

由级数的收敛性必要条件可得

由上述可知，经过每次限时学习，并且随着学习次数增加，限时学习控制器能够使跟踪误差趋向于零，坐垫机器人实现了安全地轨迹跟踪。

5.根据权利要求1所述基于SCN系统偏移量辨识的坐垫机器人限时学习控制方法，其特征在于基于MSP340系列单片机将输出PWM信号提供给电机驱动单元，使机器人抑制系统偏移量并实现对参考轨迹信号的跟踪，以MSP430系列单片机为主控制器，主控制器的输入接电机测速模块、输出接电机驱动模块；电机驱动模块与直流电机相连；电源系统给各个电气设备供电。主控制器控制方法为读取电机编码器的反馈信号与主控制器给定的控制命令信号xd(t)和 计算得出误差信号。根据误差信号，主控制器按照预定的控制算法计算出电机的控制量，送给电机驱动模块，电机转动带动轮子维持自身平衡及按指定方式运动。