文档介绍：华南理工大学学报（自然科学版）
第48 卷第5 期 Journal of South China University of Technology Vol. 48 No. 5
2020 年5 月 （Natural Science Edition） May 2020
doi：10. 12141 ／ j. issn. 1000-565X. 190253
基于 RBF 神经网络的气动人工肌肉 PID 位置控制
刘凯1 陈伊宁1 吴阳1 王扬威2
（1. 南京航空航天大学机电学院，江苏南京210016；2. 东北林业大学机电工程学院，黑龙江哈尔滨150040）
摘 要： 搭建了气动人工肌肉静态测试平台，在0. 1 ～ 0. 8 MPa 气压下进行多次测量试
验，对气动人工肌肉进行特性分析，根据理论模型和测试数据建立了数学模型，模型求
解精度较好。考虑外负载、气源气压和系统摩擦等因素对数学模型的影响，结合RBF
网络的快速学****能力设计了一种基于RBF 网络的PID 控制策略。在外负载50 ～ 200 N 的
条件下，搭建了气动人工肌肉动态测试平台并进行了多组位置控制试验。结果表明，传
统PID 控制只能在一定的外负载范围内实现较好的位置控制，基于RBF 网络的PID 控
制能自适应调整PID 参数，且响应速度快，调节时间短，超调量小，能更好地补偿其数
学模型误差并实现精确的位置控制。
关键词： 气动人工肌肉；RBF 神经网络；自适应PID；位置控制
中图分类号： TP242；Q811 文章编号： 1000-565X（2020）05-0142-07
［11］
气动人工肌肉（PMA）是随着机器人技术发 较大的问题。同年，王冬青等 用三层递归神经
［12］
展而产生的新型气动驱动器，与传统的液压、电机 网络（RNN）建立模型。2013 年，焦磊涛 利用
驱动相比具有结构简单、功率／ 质量比高、柔顺性 双层PID 控制器对一种基于PMA 的仿蛙腿跳跃机
1 ［13］
好等特点，可用于驱动仿生机器人［］、康复机器 器人进行精确位置控制。Kumar 等 设计了一种
［2］ ［3-4］
人、多自由度平台 等。目前PMA 建模方法 基于RBF 网络的混合控制器，对冗余机器人末端
主要可以分为静态建模和动态建模，常通过增加摩 位置进行有效跟踪。
擦力项、添加与PMA 运动方向相反的偏移力等方 在控制系统中结合RBF 网络能够在线辨识系
［3］
法来优化数学模型，利用该数学模型与传统PID 统的未建模部分。文中将设计基于RBF 网络的PID
形成复合控制可以获得良好的控制效果［5］。但由 控制器，实现PMA 精确快速的动态位置跟踪控制，
于PMA 属于时变、非