基于神经网络的机器人二阶滑模控制① - 计算机系统应用.pdf

2012 年 第 2 1 卷 第 6 期 计 算 机 系 统 应 用 基于神经网络的机器人二阶滑模控制① 王延玉，刘国栋 (江南大学 物联网工程学院，无锡 214122) 摘 要：本文提出了一种基于神经网络与二阶滑模控制融合的控制策略用于非线性机器人控制，设计了一种新 颖简易的二阶滑模控制方法，有效地避免了常规变结构控制的抖震问题，并采用神经网络辨识未知的机器人的 非线性模型，通过 Lyapunov 直接法设计网络的权值更新率，确保了系统闭环全局渐近稳定性。最后，通过仿真 验证了算法的有效性。 关键词：神经网络；二阶滑模控制；机器人 Second Order Sliding Mode Trajectory Tracking Control of Robot Based on Neural Network WANG Yan-Yu ，LIU Guo-Dong (Internet of Things Engineering Institute, Southern Yangtze University, Wuxi 214122, China) Abstract ：This paper proposes a synergetic controls algorithm by adaptive neural network and Second order sliding mode control. Design a second order sliding mode control method with novelty and facility, and the chattering problem is avoided effectively, Neutral network is used to adaptive learn and compensate the unknown nonlinear model. The learning algorithm for the free neutral network parameters are presented by Lyapunov direct method. The global asymptotic stability is guaranteed. Finally, the control performance of the proposed controller is verified with simulation studies. Key words ：neural network ；second order sliding mode control ；robot 1 引言 得系统存在 “抖振”现象，最近几年来，高阶变结构 [5] 机器人的主要控制目的之一是使实际运动估计能 控制的应用 成为了变结构控制理论研究的热点，可 够精确跟踪期望轨迹，而机器人是一种包含模型不确 以解决这一问题并取得了很好的效果。 定性和未建模动态的复杂非线性系统，常规控制策略 本文提出一种基于神经网络的机器人控制方法， 对模型的依赖，使得神经网络控制不失为一种很好的 自适应逼近机器人系统系统模型，并保证其网络输入 替代方案，神经网络由于具有强大的非线性逼近能力, 有界，针对常规变结构控制所存在的最大问题——抖 可以补偿各种非线性建模动态的影响，因而近十年来 震，将二阶滑模控制方法用于机器人控制，有效地避 [1-2] [3] 成为机器人智能控制的主要手段 ，Horng 等 人设 免了这一问题。控制器结构简单，且