10.3969/j.issn.2095-6835.2011.05.033
基于死区补偿的神经网络自适应鲁棒控制
机器人执行机构的死区非线性对系统性能有较大影响.本文采用具有快速学习能力的RBF神经网络代替经典补偿器中的BP增广网络,设计了死区补偿的RBF网络自适应鲁棒控制,不但可以大大减少系统参数,还可以使得网络的初始化工作清晰明确.同时引入了GL矩阵和GL乘法算子的数学概念,从而在数学上严格证明了n节关节机器人系统的稳定性问题.仿真结果表明,所提方法具有良好的跟踪性能和较强的鲁棒性.
死区补偿、RBF神经网络、鲁棒自适应控制
27
TP183(自动化基础理论)
2014-07-08(万方平台首次上网日期,不代表论文的发表时间)
共3页
84-85,8