1.一种采用抛物线型终态神经网络的冗余机器人重复运动规划方法，其特征在于，所述方法包括以下步骤：

1)在笛卡尔空间中给定冗余机器人末端执行器的期望轨迹rd(t)，并给出各个关节的期望关节角度θd(0)；

2)对于重复运动的冗余机器人，其初始关节角度为θ(0)＝θ0，初始关节角度θ0不同于期望关节角度，即θ0≠θd(0)；

3)将冗余机器人重复运动规划描述为二次规划问题，给出渐近收敛性能指标，形成重复运动规划方案：其中，

g(θ(t))＝-ρ0(θ(t)-θd(0))ρ0>0，θ(t)-θd(0)表示关节角度θ(t)与期望关节角度的偏差，由于冗余机器人初始位置不在期望轨迹上，因此冗余机器人末端执行器速度与关节速度的关系式的右边需要加上一个反馈偏差量，即rd(t)-f(θ(t))，该偏差量表示期望轨迹与实际轨迹之间存在的误差；由于人为构造的收敛关系，这个误差会不断地缩小，直至为零；参数β用来调节冗余机器人末端执行器运动到期望轨迹的速率，β>0；J(θ(t))是根据冗余机器人DH参数求出来的雅克比矩阵，f(θ(t))是冗余机器人末端执行器实际轨迹；

4)构建如下基于抛物线型终态神经网络的动态特性方程其中，E为误差矩阵变量，Eij为矩阵E的元素，ρ＞0，σ>0,ε>0，式(5)是有限时间稳定的，其有限时间收敛性需分两种情况说明：当|Eij(0)|＜σ，收敛时间为

当|Eij(0)|≥σ，收敛时间为

当ρ＝0，式(5)变为不带加速项的情况

式(8)也是有限时间稳定的，其有限时间收敛性也分两种情况说明：当|Eij(0)|＜σ时，收敛时间为

当|Eij(0)|≥σ，收敛时间为

5)定义拉格朗日函数

其中，λ为拉格朗日乘子向量， 关于 和λ分别求偏导，并令其为零，经整理得W(t)Y(t)＝v(t)                     (12)其中，

I为单位矩阵；

6)为求解步骤3)中的二次规划问题，由式(12)定义误差E(t)＝W(t)Y(t)-v(t)                   (13)根据抛物线型终态神经网络动态特性方程式(5)，给出抛物线型终态神经网络方程通过神经网络计算过程，得到冗余机器人各个关节角度。