基于ELM的机器人自适应跟踪控制 .pdfVIP

基于ELM的机器人自适应跟踪控制

李军;乃永强

【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。%Basedonextremelearning

machine(ELM),twoadaptiveneuralcontrolalgorithmsforrigidarm

robotsystemwerepresented.ELMforsignle-hiddenlayerfeedforward

neuralnetworks(SLFNs),whichrandomlychooseshiddennodeparameters

andanalyticallydeterminestheoutputweightsofSLFNs,tendstoprovide

goodgeneralizedperformanceatextremelyfastlearningspeed.Within

theseadaptivecontrolalgorithms,ELMwasemployedtoapproximation

theplant’sunknownnonlinearfunctionandro-bustcontroltermwas

usedtocompensateforapproximationerror.Parameteradaptivelawsand

robustcontroltermofELMcontrollerswerederivedbasedonLyapunov

stabilityanalysissothatglobalstabilityandasymptoticconvergenceto

zerooftrackingerrorscanbeguaranteed.Futhermore,twoadaptivecon-

trollersdonotdependonanyparameterinitializationconditionsandrelax

therequirementofboundingpa-rametervalues.Theproposedadaptive

ELMcontrolalgorithmswerethenappliedtoatrackingcontrolin-stance

fortwo-linkrigidarmrobotandcomparedwithexistingradialbasis

function(RBF)neuralcontrolalgorithms.SimulationresultsshowthatELM

controllershavegoodtrackingperformanceanddemonstratethe

effectivenessoftheproposedcontrolalgorithms.

【期刊名称】《电机与控制学报》

【年(卷),期】2015(000)004

【总页数】11页(P106-116)

【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

【作者】李军;乃永强

【作者单位】兰州交通大学自动化与电气工程学院，甘肃兰州730070;兰州交通

大学自动化与电气工程学院，甘肃兰州730070

【正文语种】中文

【中图分类】TP273

由于机器人系统中存在着诸如机器人自身参数误差、观测噪声、未建模动态、负载