基于神經(jīng)網(wǎng)絡的機器人軌跡魯棒跟蹤控制.pdf

1、概括來說,很多復雜工業(yè)過程都具有某種可重復的特性.如何利用復雜系統(tǒng)的這種特性,通過引進學習機制,不斷地積累被控對象的知識,在線完成控制器的設計和改進,即把在線的學習、在線的控制與控制系統(tǒng)性能改善的功能綜合在一個算法里,通過工業(yè)過程的不斷重復加以實現(xiàn),正在成為復雜系統(tǒng)智能控制的新的研究領域.迭代學習控制方法就是為此而提出的一種新的智能控制方法,它在解決由于對象存在非線性或外界干擾造成的不確定性問題方面更具有得天獨厚的優(yōu)越性.由于神經(jīng)網(wǎng)絡具

2、有對任意非線性映射的理想逼近能力,并能學習和適應未知不確定系統(tǒng)的動態(tài)特性,使采用神經(jīng)網(wǎng)絡的控制系統(tǒng)具有更強的適應性和魯棒性.該文將迭代學習控制與神經(jīng)網(wǎng)絡辨識相結(jié)合,提出了一種新的基于神經(jīng)網(wǎng)絡的魯棒迭代學習控制方法.由于神經(jīng)網(wǎng)絡具有自學習能力,它可利用不確定性系統(tǒng)的歷史輸出數(shù)據(jù)對系統(tǒng)的穩(wěn)態(tài)特性進行估計,使得對系統(tǒng)正向模型的辨識達到理想的逼近精度,然后在此正向模型的基礎上進行學習控制律的設計:即采用神經(jīng)網(wǎng)絡辨識非線性系統(tǒng)的正向模型,并消除系

3、統(tǒng)不確定性和外部干擾的影響,使關節(jié)運動沿迭代軸方向逼近期望軌跡;迭代學習控制器在線學習控制參量,使關節(jié)運動沿時間軸方向跟蹤期望軌跡.該方法的特點是,在每一次迭代學習過程中,使神經(jīng)網(wǎng)絡訓練到對模型的辨識達到比較好的逼近精度后,利用神經(jīng)元網(wǎng)絡的輸出構(gòu)造下一次迭代學習過程中控制律的前饋部分,再將它與實時反饋控制結(jié)合,形成該文提出的魯棒迭代學習控制算法,并對機器人系統(tǒng)進行控制.在此引入反饋控制是為了補償辨識和迭代學習的誤差,以增強被控系統(tǒng)的魯棒