不确定机器人的自适应神经网络控制与学习

摘要：

针对具有未知动态的电驱动机器人,研究其自适应神经网络控制与学习问题.首先,设计了稳定的自适应神经网络控制器,径向基函数(RBF)神经网络被用来逼近电驱动机器人的未知闭环系统动态,并根据李雅普诺夫稳定性理论推导了神经网络权值更新律.在对回归轨迹实现跟踪控制的过程中,闭环系统内部信号的部分持续激励(PE)条件得到满足.随着PE条件的满足,设计的自适应神经网络控制器被证明在稳定的跟踪控制过程中实现了电驱动机器人未知闭环系统动态的准确逼近.接着,使用学过的知识设计了新颖的学习控制器,实现了闭环系统稳定、改进了控制性能.最后,通过数字仿真验证了所提控制方法的正确性和有效性.

关键词：自适应神经网络控制、机器人、RBF神经网络、学习

所属期刊栏目：30

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金资助项目60934001,61075082;广东省战略性新兴产业专项项目2011A081301017,2012A080304012;华南理工大学中央高校基本科研业务费2012ZZ0106

在线出版日期：2013-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：990-997