无模型机械臂BP神经网络状态观测及反演跟踪控制

李　光　符　浩

湖南工业大学,株洲,412007



无模型机械臂BP神经网络状态观测及反演跟踪控制

李光符浩

湖南工业大学,株洲,412007

针对摩擦阻尼及模型参数不确定的情况，运用反演控制设计策略，针对多连杆机械臂提出了一种基于神经网络观测器的无模型轨迹跟踪控制方法。运用带有修正项的自适应BP神经网络观测器对不可测状态量进行观测，同时对系统模型进行在线逼近。在此基础上设计了基于观测状态和逼近模型的反演跟踪控制器， Lyapunov稳定性理论证明了该控制器能够保证跟踪误差的有界和闭环系统中所有信号的有界。跟踪给定轨迹的仿真实验证明了该方法的有效性。

机械臂；状态观测器；BP神经网络；反演控制

0　引言

多连杆机械臂系统是一个复杂的多输入多输出非线性系统，具有时变、强耦合和高度非线性的动力学特性。实际工程应用中，系统不可避免地存在大量的干扰与不确定性；同时，考虑成本、硬件安装等因素，全局状态向量可测量也是难以实现的。因此，高鲁棒性的控制器一直是机器人控制领域研究的重点。

文献[1]用一种非线性干扰观测器观测系统的不确定性和干扰，设计了自适应反演滑模控制策略，在全局状态向量可测、干扰为缓变量(即干扰项对时间的导数为0)的条件下，实现机械臂位置跟踪控制。文献[2]提出了一种基于神经网络的自适应输出反馈控制方法，控制器由基于动态补偿器的输出反馈、神经网络自适应和鲁棒三个控制项组成，基于系统的名义模型，可以完成对机械臂端点位置和速度的跟踪控制。……