10.11835/j.issn.1000-582X.2022.106
输入受限下机器人关节神经网络自适应控制
针对机器人关节控制输入受限以及动力学模型中存在非线性摩擦、柔性变形和未知外部干扰力矩等问题,提出了一种基于径向基函数(radial basis function,RBF)神经网络的输入饱和指令滤波自适应控制方法.基于指令滤波反步法,采用饱和函数约束控制输入的幅值,使用RBF神经网络在线逼近未知干扰,并利用Lyapunov稳定性理论证明了闭环系统的所有误差最终一致有界.仿真结果表明,控制算法不仅使系统的控制输入幅值被严格约束在规定的范围之内,完成了对目标轨迹的高精度跟踪(跟踪误差约为±0.003 rad),而且还可抵抗外部阶跃干扰力矩和建模误差对控制系统的不良影响,保证系统的高精度与强鲁棒性,性能优于PID(propotional integral derivative)控制和普通指令滤波反步控制(command filter backstepping control,CFBC),对机器人关节在高精度领域应用与智能控制具有重要价值.
机器人关节、输入受限、指令滤波反步法、神经网络、自适应控制系统
46
TP273.2(自动化技术及设备)
国家重点研发计划2018YFB1304800
2023-07-11(万方平台首次上网日期,不代表论文的发表时间)
共11页
101-111