10.13873/J.1000-9787(2020)03-0068-04
基于MPLM-RBFNN算法的移动机器人姿态控制方法
以移动机器人为研究对象,针对机器人系统模型的不确定性和非线性,提出一种反步运动学控制与径向基神经网络(RBFNN)最小参数学习法(MPLM)结合的滑模控制(SMC)算法.使用径向基神经网络逼近系统中的不确定项,消除系统中不确定因素的影响,增强系统的鲁棒性.针对径向基神经网络中权值难以快速调整的缺陷,采用最小参数学习法设计单个参数以代替神经网络中的权值,以此来优化算法复杂度,增强控制的实时性,通过Lyapunov稳定性判别方法,证明了系统在有限时间内的收敛性与稳定性.实验表明:该方法可使控制器的结构简化,鲁棒性、实时性显著提高,易于在实际应用中实现.
移动机器人、滑模控制、径向基神经网络、最小参数学习法
39
TP242(自动化技术及设备)
国家自然科学基金资助项目61701295
2020-05-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
68-71