本發(fā)明公開了一種基于數(shù)據(jù)驅(qū)動的機器人魯棒學習預測控制方法，通過數(shù)據(jù)驅(qū)動的方式來對系統(tǒng)的動力學進行辨識，將機器人的非線性特性抽象至高維線性空間，獲得機器人系統(tǒng)的全局線性化模型；對機器人系統(tǒng)的原始狀態(tài)量與控制量的取值范圍進行收縮，并將收縮結(jié)果作為全局線性化模型的狀態(tài)量與控制量的取值范圍，在存在逼近殘差情況下滿足原始狀態(tài)量與控制量的取值范圍、并保持閉環(huán)控制的魯棒性；基于全局線性化模型和高維線性空間中的狀態(tài)變量來進行不斷地滾動優(yōu)化，學習得到機器人系統(tǒng)當前時刻的近似最優(yōu)預測控制序列。其應(yīng)用對象是動力學特性未知且不易獲取和辨識、存在狀態(tài)和控制量約束的一類系統(tǒng)為非線性的機器人，能夠?qū)崿F(xiàn)快速高效的閉環(huán)控制。