基于RBF神经网络的多关节机器人固定时间滑模控制
针对具有典型非线性特性的多关节机器人轨迹跟踪控制问题,提出一种基于径向基函数(RBF)神经网络的固定时间滑模控制方法.首先,基于凯恩方法建立包括系统模型不确定性以及外部干扰在内的多关节机器人动力学模型;然后,根据机器人动力学模型设计一种固定时间收敛的滑模控制器,RBF神经网络用来逼近系统模型中的不确定性项,并利用Lyapunov理论证明该系统跟踪误差能在固定时间内收敛;最后,对特定型号的多关节机器人虚拟样机进行仿真分析,结果表明:与基于RBF神经网络的有限时间滑模控制器相比,所提出控制器具有良好的跟踪性能且能保证系统状态在固定时间内收敛.
多关节机器人、轨迹跟踪、固定时间滑模、RBF神经网络、虚拟样机
37
TP273(自动化技术及设备)
四川省智能制造与机器人重大科技专项项目2019ZDZX0019
2022-10-31(万方平台首次上网日期,不代表论文的发表时间)
共9页
2790-2798