文档介绍：基于模糊变结构的机器人自适应神经网络控制关键词:机器人;模糊变结构;神经网络;不确定戋唐得志陈卫东王洪瑞知,那么反馈线性化技术殖萍扑懔胤椒可以提供满意的跟踪效果。然而由于各种不确定性包括结构和非结构以及外部干扰韵存在,机器人精确的动力学模型很难得到。为了补鲁棒控制和机器人自适应控制。但是这些方法很多需要不确定性上界的先验知识和带有未知参数机器人系统的线性化假设,这从很大程度上妨碍了这些控制方法在实际中的应用。人工近年来,机器人的轨迹跟踪控制引起学者们的广泛注意。如果机器人动力学模型精确己偿系统的不确定性,人们提出了许多控制方法,这其中包括两种基本的控制方案,即机器人神经网络控制作为智能控制的重要分支已被广泛研究,其优点是能以任意精度逼近连续非线性函数以及对复杂不确定性问题具有自适应和自学习能力,因此许多以神经网络为基础的控制器被用来补偿机器人系统的不确定性。然而传统的控制方法并没有有效的消除神经网络的逼近误差,从而影响了闭环系统的跟踪性能。构控制器消除了神经网络的逼近误差,从而有效的克服了系统不确定性的影响,保证机器人系统琣摘要:针对不确定机器人轨迹跟踪控制,提出了基于模糊变结构方法下的神经网络自适应控制该控制方案通过利用允视ι窬绮钩ハ低车牟蝗范ㄐ裕辈捎靡恢值投墩竦哪:浣的输出跟踪误差渐近收敛于零。仿真实例证实了理论分析结果的正确性。—河北省教委科技攻关资助项目钅亢牛篈篘篣嗌酱笱У缙こ萄г海鼗实海.,甋琘琎:,篟籉,
辍躪魅讼低扯ρХ匠碳敖峁固匦牙,丝只心力向量,是羖重力向量,乃是越嵌Σ亮卣螅是蔡刂葡低成杓式中:尊,乙籄牙,茄细裾ǖ亩越钦螅鹗瞧谕旒#ê稹其中是关节向量;是,羘对称惯性矩阵;口是缡狭屠特性咝跃卣驧是一致有界的,满足如下不等式:躆躮,∈特性蕴乇鹧《ㄗ瓴瘟康亩ρХ匠蹋一,口切倍猿普螅另外,不失一般性,本文假定口珻,尊虶是部分已知地,由此可得到:碍式中:,,宣虶鼋且阎2糠郑珹,,尊虯是含有系统皇ィ本文针对不确定机器人轨迹跟踪控制,提出了一种基于模糊变结构的自适应神经网络控制。通过利用窬绮钩チ嘶魅讼低车牟蝗范ㄐ裕⒃擞媚:。该方法不需要系统擦力矩阵,%是獠咳哦臀唇6ρВ琭是阋骞亟诹叵蛄俊机器人动力学方程具有一些固有的特性,涉及到本文的一些特性概括如下:式中:优,,钦J琲,∈口鱃不确定性上界的先验知识,而且避免了求解机器人系统的回归矩阵,具有很强的实用性。对于亟诟招曰魅耍涠ρХ匠炭杀硎疚特性缡狭屠胄牧卣驝满足:式中:UJ参数不确定性地未知部分。这里定义系统时变滑模面如下:
≯”矿。昙肪,『,町一,占埘,材妒蔙”是高斯型函数,其向量元素表示为:驴工一忙/琺这里:百是最优权值的估计值。瑁,寸冢一置,狵妒怠万式中:百僖茄奥省下面一个窬缬美醋允视ρ跋低巢蝗范ㄐ院齠,尊⒋嬖谝桓鲎钣啪—舀,一籪式中且桓鱿低澄粗5姆窍咝院琾系统不确定性函数墓兰浦礷,由下式给出:妒这里:,圣,∈笆亲钣湃ㄖ迪蛄浚是有界的神经网络逼近误差,式中:拓辍7直鸨硎镜趂个基函数的中心和半径,这两个参数用开聚类方法确定。为了保证式净魅讼低呈淙胧涑龈傥蟛罱ソ樟灿诹悖腥缦露ɡ恚定理悸侨缡机器人动力学方程,采用娇刂破鹘峁梗虮栈废低呈墙ソ式中:#琄Uǖ亩越钦螅琫—,为模糊变结构控制器,其作用是从式口缘玫剑这里:阵,有:消除神