基于神經網絡的剛-柔關節(jié)機器人自適應反步控制.pdf

1、機器人是一個具有時變、強耦合特性的復雜多輸入多輸出非線性系統(tǒng)，如果考慮測量誤差、未建模動態(tài)特性、外部擾動、關節(jié)柔性、驅動器故障等不確定因素，系統(tǒng)模型更為復雜。而實際中這些因素幾乎總是存在、無法回避的。因此，研究考慮了包括執(zhí)行器故障在內的諸多不確定性因素的機器人軌跡跟蹤問題，具有重要的理論意義和實用價值。本文針對廣泛使用的復雜機器人手臂系統(tǒng)，開展以下研究：
　　(1)同時考慮執(zhí)行器動特性和機械臂動特性，以及執(zhí)行器力矩與電流之間的非線

2、性關系，提出一種基于RBF(Radial basis function，徑向基函數(shù))的神經網絡魯棒自適應反步控制設計方法。與傳統(tǒng)的反步控制方法相比，其引入聯(lián)合誤差，設計過程更為簡單，且可以處理執(zhí)行器的非仿射問題，即電機電流與力矩之間的非線性關系，更加符合實際情況，從而使控制器更加有效，應用范圍更為廣泛。
　　(2)在系統(tǒng)結構已知、參數(shù)未知的情況下，首次將非線性參數(shù)化方法與神經網絡結合起來處理不確定非線性項，設計了魯棒自適應反步控制

3、器。由于RBF神經網絡是用來逼近不確定項的最大可能上界而不是直接逼近不確定項本身，這使得問題從向量逼近轉化為標量逼近，從而使控制器設計更加簡單，計算量更少。
　　(3)將關節(jié)柔性、執(zhí)行器故障、執(zhí)行器動特性及控制輸入信號飽和等問題一起考慮，提出了一種基于RBF神經網絡的動態(tài)面容錯控制方法。在每一步設計中，均用一階積分濾波器來計算虛擬控制的導數(shù)，從而克服了反步法本身對虛擬控制求導過程中引起的項數(shù)膨脹問題。這一具有容錯能力的控制方法，能