多关节机械臂的高阶滑模神经网络自适应控制

张锦,李正楠,殷玉枫*，,祁辰,武奎扬

(1. 太原科技大学 机械工程学院,太原 030024;2. 山西交通职业技术学院,太原 030031)

机械手是一系列由关节连接起来的连杆构成的一个运动链。其动力学模型存在许多的不确定性,比如:建模误差,高频特性,关节摩擦以及信号检测误差等。这些不确定因素导致机械臂的控制系统性能变差[1]。文献[2]设计了一种多关节机械臂自适应神经网络滑模控制,通过神经网络,对系统中的不确定性进行逼近,并添加了自适应项,补偿神经网络逼近过程中的逼近误差。同时设计了具有指数趋近律的滑模面,并运用李雅普诺夫稳定理论证明了该算法的稳定性。文献[3]提出一种系统参数在线估计的自适应滑模控制策略。该方法将移动机械臂作为一个完整的系统考虑,首先根据系统的动力学方程设计了滑模控制器,然后设计了一种自适应律对系统中的不确定参数进行估计,与传统的滑模控制比较,该算法不需要系统参数的上界已知。文献[4]采用径向基函数(RBF)神经网络自适应控制方法跟踪机械臂关节的运动轨迹,分析了机械臂运动轨迹所产生的误差,设计了机械臂关节神经网络自适应控制器,并运用李雅普诺夫理论对系统稳定性及收敛性进行了证明。文献[5-6]将自适应控制策略运用在多关节机械臂中,针对系统中存在的各种不确定性以及误差进行了自适应控制,并证明了系统的稳定性。文献[7]为了提高机械臂末端连杆运动轨迹的稳定性,在径向基函数神经网络控制器的基础上,采用混合算法优化RBF神经网络控制器,将混合算法优化应用神经网络的网络单元中,以改善网络结构参数对神经网络控制和辨识性能的影响。……