1.一种针对柔性双臂人形机器人的数据驱动增强控制方法，其特征在于，所述方法包括以下步骤：步骤S1、基于柔性机器人的运动信息，将含有未知动力学参数的系统模型转化为具有等价特性的线性离散时间数据模型；

步骤S2、设计改进的投影估计算法对机器人系统的伪偏导参数进行实时估计；

步骤S3、设计有限时间性能指数函数，并基于最优控制原理得到数据驱动增强控制器；

步骤S4、基于线性时间数据模型构建数据驱动高阶控制障碍函数，并通过求解二次规划问题，得到同时满足稳定性和预设控制性能的数据驱动控制律。

2.如权利要求1所述的一种针对柔性双臂人形机器人的数据驱动增强控制方法，其特征在于，所述步骤S1中，首先建立柔性双臂人形机器人系统在关节空间下的动力学模型；其次利用系统运动控制信息设计参数投影估计算法，在线估计系统的伪偏导参数 ，建立等价的线性时间数据模型。

3.如权利要求2所述的一种针对柔性双臂人形机器人的数据驱动增强控制方法，其特征在于，所述步骤S1中，构建以下柔性关节机器人的动力学模型：                 （1）；

其中， 分别代表机器人的未知惯性矩阵，科氏力矩阵和重力矩阵，表示时间， 为系统 时刻的控制输入， 表示机器人系统 时刻的位置，速度和加速度；

根据系统的实时运动控制信息，建立离散线性时间数据模型：             （2）；

其中， 表示机器人 时刻的位置输出， 表示机器人 时刻的控制输入， 为机器人离散时间系统的伪偏导参数，用于构建机器人动态数据模型。

4.如权利要求1 3之一所述的一种针对柔性双臂人形机器人的数据驱动增强控制方~法，其特征在于，所述步骤S2中，在每个控制周期，基于机器人的控制输入 和控制输出设计关于伪偏导参数的估计准则函数，并通过求解极值操作得到估计公式，在此基础上，设计可调步长参数和惩罚因子以增强估计算法的灵活性。

5.如权利要求4所述的一种针对柔性双臂人形机器人的数据驱动增强控制方法，其特征在于，所述步骤S2中，构建如下估计准则函数：    （3）；

其中， 表示机器人 时刻的位置输出， 是对 的估计值， 是对的估计值， 是惩罚因子，使得估计值更加平缓， ，表示机器人 时刻的控制输入；

进行极小化操作，得到如下估计公式：

   （4）；

其中，是设计的步长参数，用于调节估计算法。

6.如权利要求1 3之一所述的一种针对柔性双臂人形机器人的数据驱动增强控制方~法，其特征在于，所述步骤S3中，基于线性时间数据模型，通过设计收敛比例参数进而构建有限时间性能指数函数；在此基础上，利用最优控制原理，在线求解数据驱动控制律，以在不依赖系统动力学详细信息的情况下，增强机器人系统的快速收敛。

7.如权利要求6所述的一种针对柔性双臂人形机器人的数据驱动增强控制方法，其特征在于，所述步骤S3中，设计如下有限时间性能函数：  （5）；

其中，是设计的机器人收敛比例参数，用于调节控制器的收敛速度，是设计的权重参数，用于限制控制输入信号的变化，使得控制输入更加平滑， 是 时刻的跟踪信号；

根据最优控制原理，得到如下数据驱动增强控制律：             （6）；

其中，是设计的控制参数，使得机器人控制器更有一般性。

8.如权利要求1 3之一所述的一种针对柔性双臂人形机器人的数据驱动增强控制方~法，其特征在于，所述步骤S4中，根据性能约束函数，构建具有 阶次的高阶数据驱动控制障碍函数 ，以更高自由度保证误差性能约束；在此基础上，通过求解基于数据驱动增强控制器和高阶控制障碍函数相统一的二次规划问题，实时生成同时满足稳定性和预设控制性能的数据驱动控制律。

9.如权利要求8所述的一种针对柔性双臂人形机器人的数据驱动增强控制方法，其特征在于，所述步骤S4中，针对柔性关节机器人，构造如下 阶数据驱动控制障碍函数：               （7）；

其中， 是对 的符号简写， ，  ，

是K类函数， ， 是误差边界， 是误差性能约束函数， 是 时刻的跟踪信号；

最后，通过求解融合控制函数与数据驱动模型的二次规划问题，实时生成最优控制输入：                  （8）；

其中， 分别是控制输入的上下限， 是由式（6）得到的标称控制输入， 为最优控制输入。