自适应神经网络的机械臂终端滑模鲁棒控制*

王 蕊 陈书立 王东辉

(①河南职业技术学院电气工程学院，河南 郑州 450046；②郑州大学电气工程学院，河南 郑州，450001)

机械臂系统是通过电机带动多级关节来完成装配、抓取等工作的自动化系统，在工农业领域得到了广泛应用[1-2]。在实际工作过程中，由于工作对象是变化的，难以获得工作对象的准确信息，因此机械臂系统的负载力矩往往是未知时变的[3-4]。同时，机械臂系统往往会遇到摩擦等干扰，使得机械臂系统模型与真实情况之间存在误差，也会影响控制系统的工程实用性[5-6]。另外，机械臂系统主要依靠电机驱动关节转动，而电机是一个复杂非线性系统，电机的动态特性很大程度上会影响机械臂系统的工作情况[7-8]。基于以上分析，本文针对考虑未知负载力矩和模型误差等不确定性以及电机动态特性的机械臂系统鲁棒控制问题展开研究。

文献[9]为了提高机械臂对给定轨迹的跟踪精度且削弱滑模控制抖振问题，提出了一种基于RBF神经网络滑模控制的轨迹跟踪方法，能够在一定程度上提高控制精度，但是没有证明系统稳定性；文献[10]针对包含未知动力学模型不确定性和外部扰动的机械臂系统轨迹跟踪问题，采用模糊控制来逼近系统不确定性，引入指数趋近律来补偿模糊逼近误差，实现了对机械臂轨迹跟踪的精确控制，有效提高了鲁棒性，但设计过程较复杂；文献[11]针对存在外部扰动及建模误差的机械臂轨迹跟踪问题，在传统鲁棒控制的基础上引入模糊滑模控制器取代等效控制项，提出了一种基于模糊滑模的鲁棒轨迹跟踪控制方法，有效解决机械臂的鲁棒控制问题，但不能准确估计外部干扰和模型误差的大小；……