基于模糊滑模方法的不确定机器人神经网络控制.pdfVIP

维普资讯 2006年第5期 冶 金 动 力 总第 117期 METALLURGICALPOWER 79 基于模糊滑模方法的不确定机器人神经网络控制 冯旭 刚 (安徽工业大学电气信息学院，安徽马鞍山 243000) 摘【 要】针对不确定机器人轨迹跟踪控制，提出了基于模糊滑模方法下的神经网络自适应控制，其中 RBF神经网络集 中补偿系统的不确定性 ，利用带边界层滑模变结构方法消除了神经网络的逼近误差，并通过 模糊方法动态确定边界层宽度。很好的解决了滑模控制中的抖振现象。仿真实例表明，该控制律能保证误差的 快速收敛性及对参数不确定性和外部扰动的鲁棒性。 【关键词】机器人；模糊变结构；神经网络；不确定性 【中图分类号】TP24 文【献标识码】B 文【章编号】1006—6764(2006)05-0079-04 NeuralNetwork ControlofUncertain I botBased on Fuzzy Sliding-modeM ethod FENG Xu—Gang (DepartmentofElectronicInformation,AnhuiUnivertsityofTechnology,MoanshanAnhui243000,China) A【bstract]Inthelightoftrajectoryrtacingconrtolofanuncertainrobot，hteneuralnet— work selfadaptationcontrolbasedon htefuzzy slidingmodemethod israised， ofwhich hte uncertainty ofcentralization compensation system ofRBF neural network usesthe boundary layersliding mode variable structure mehtod to eliminate approximation e／lor of hte neural newtork． Thecenrtalizationcompensation system of RBF neural networkhaswellsolved hte vibration phenomenon in sliding mode controlusing hte fuzzy method to dynamically deter- miBehtewidht ofhteboundarylayer． Th esimulation example showsthatcontrollaw can guaranteefastconvergence oferroraswellasrobustnessofpraameteruncertaintiesnad ex—- ternal disturbnaces． 【Keywords】robot；fuzzyvaribalestructure；neuralnetwork；uncertainty 1 引言 制方法并没有有效的消除神经网络的逼近误差．从 近年来．机器人的轨迹跟踪控制引起学者们的 而影响了闭环系统的跟踪性能。 广泛注意。如果机器人动力学模型精确已知。那么反 本文针对不确定机器人轨迹跟踪控制。提出了 馈线性化技术 (又称计算力矩方法)可以提供满意的 一 种基于模糊变结构的自适应神经网络控制。通过