10.16526/j.cnki.11-4762/tp.2019.07.017
基于RBF神经网络的机械臂自适应控制方法
针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法;首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量;针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性.
机械臂、神经网络、辨识器、自适应控制、李亚普诺夫函数
27
TP273(自动化技术及设备)
国家自然科学基金61203047,U1604146;河南省产学研合作项目162107000027
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
79-84