基于ELM的机器人自适应跟踪控制.pdfVIP

第19卷　 第4期 电　 机　 与　 控 　 制　 学　 报 Vol．19 No．4 　 　 2015年4 月 Electric Machines and Control　 　 　 Apr. 2015 　 　 　 　 　 　 基于ELM 的机器人自适应跟踪控制 李军,　 乃永强 (兰州交通大学 自动化与电气工程学院,甘肃 兰州730070) 摘　 要:针对刚性臂机器人系统,提出基于极限学习机(ELM)的两种自适应神经控制算法。 极限 学习机随机选择单隐层前馈神经网络(SLFNs)的隐层节点及其参数,仅调整其网络的输出权值,以 极快的学习速度可获得良好的推广性。 在自适应控制算法中,ELM逼近系统的未知非线性函数, 附加的鲁棒控制项补偿系统的逼近误差。 ELM神经控制器的参数自适应调整律及鲁棒控制项由 Lyapunov稳定性理论分析得出,所设计的两种控制算法均不依赖于初始条件的约束且放松对参数 有界的要求,同时保证闭环系统跟踪误差满足全局稳定而且渐近收敛于零。 将所提出的ELM控制 器应用于二连杆刚性臂机器人跟踪控制实例中,并与现有的径向基函数(RBF)神经网络自适应控 制算法进行比较,仿真结果表明,在同等条件下,ELM控制器具有良好的跟踪控制性能,显示出其 有效性和应用潜力。 关键词:自适应跟踪控制;极限学习机;单隐层前馈神经网络;刚性臂机器人;算法 DOI:10.15938/ j.emc.2015.04.017 中图分类号:TP273 文献标志码:A 文章编号:1007-449X(2015)04-0106-11 Adaptive tracking control of a rigid arm robot based on extreme learning machine LIJun,　 NAI Yong-qiang (School of Automation and Electrical Engineering,Lanzhou Jiaotong University,Lanzhou730070,China) Abstract:Based on extreme learning machine(ELM),two adaptive neural control algorithms for rigid arm robot system were presented. ELM for signle-hidden layer feedforward neural networks(SLFNs), which randomlychooseshiddennodeparametersandanalyticallydeterminestheoutputweightsof SLFNs, tends to provide good generalized performance at extremely fast learning speed. Within these adaptive control algorithms,ELMwas employed to approximation the plant’s unknown nonlinear function and ro- bust control term was used to compensate for approximation error. Parameter adaptive laws and robust control term of ELM controllerswere derived based on Lyapunov stability an