1.一种基于复合学习的受限机械臂有限时间控制方法，其特征在于，所述方法包括下述步骤：S100、获取当前时间机械臂关节位置、速度，计算复合学习参数更新律；

S200、基于复合学习参数更新律更新参数估计值，进而计算有限时间的控制力矩，通过控制力矩控制机械臂按期望轨迹运动，且机械臂关节在设定区域内活动；

S300、若设定的时间未结束，获取下一时间为当前时间，返回步骤S100；

所述复合学习参数更新律如下：

其中： 为参数更新律，P为投影算子， 均为自适应增益矩阵，为控制参数且满足0＜γ＜1， 为 的范数； 为未知参数向量θ的估计值，将未知参数向量的界设定为半径为cθ的球形范围 ε为参数预测误差， 为受限机械臂对应的动态回归矩阵；s为非奇异终端滑模面， 为改进的激励矩阵：t为时间，Te为使区间激励条件成立的时间上边界，Θ(t)为激励矩阵。

2.根据权利要求1所述的方法，其特征在于，所述有限时间的控制力矩采用下式计算：式中： 控制器增益矩阵， n为关节总数，η1i为对通用时变非对称障碍函数求导后 的系数， 为qi的导数，qi为机械臂第i个关节的位置；

将通用时变非对称障碍函数记作ζi，则：式中：F1i和F2i为时变障碍函数；F1i和F2i分别根据时变障碍函数F1i和F2i确定的非零常数，满足式 qi＝qi(t)，Ωi(t)为机械臂第i个关节位置的限定范围，且满足qi(0)∈Ωi(0)。

3.根据权利要求1所述的方法，其特征在于，所述非奇异终端滑模面通过下述步骤获取：根据受限机械臂动力学模型，获取计算机械臂关节位置受限条件下的跟踪误差eζ：eζ＝ζ‑ζd

式中：ζd为受限机械臂期望轨迹，ζ为受限机械臂实际轨迹；

构建非奇异终端滑模面s如下：

式中： 均为设定的控制参数，1/2＜γs＜1，当s到达0时eζ＞u。

4.根据权利要求1所述的方法，其特征在于，所述参数预测误差基于机械臂当前实测数据和历史数据构建。

5.根据权利要求4所述的方法，其特征在于，所述参数预测误差与改进的激励矩阵的关系为：式中：ε为参数预测误差， 为参数估计误差，

6.根据权利要求1所述的方法，其特征在于，所述激励矩阵基于滤波回归矩阵获得，所述滤波回归矩阵通过对动力学模型回归矩阵进行滤波处理获得；所述动力学模型回归矩阵通过对动力学模型进行线性参数化处理获得。

7.根据权利要求3所述的方法，其特征在于，所述受限机械臂动力学模型通过下述步骤建立：建立机械臂动力学模型：

式中： 为正定惯性矩阵， 为离心力和哥氏力矩阵， 为粘滞摩擦力矩， 为重力力矩， 为控制力矩， 分别为机械臂的关节位置、速度和加速度；

设置机械臂关节角度的限定范围：

式中：qi(t)为机械臂第i个关节的位置，Ωi(t)为机械臂第i个关节位置的限定范围，且满足qi(0)∈Ωi(0)；F1i和F2i为两个k阶可导的时变障碍函数，满足k≥2；

构建通用时变非对称障碍函数的分量ζi：式中：F1i和F2i为非零常数，且满足式对通用时变非对称障碍函数求导得：

其中： 为ζ的导数；

得到受限机械臂动力学模型为：

其中：

为使动力学模型等式成立的任意辅助向量，为ξ的导数，为机械臂关节位置受限后对应的动态回归矩阵， 为的转置。

8.根据权利要求1所述的方法，其特征在于，所述受限机械臂的控制模式包括定点控制模式和跟踪控制模式。

9.一种基于复合学习的受限机械臂有限时间控制装置，其特征在于：包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。

10.一种计算机可读存储介质，其特征在于：存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。