基于RBF神经网络逆系统的机械手轨迹跟踪控制

缸明义, 陈立辛 , 乔印虎, 夏兴国

(1.马鞍山职业技术学院 电气工程系，安徽 马鞍山 243031；2.安徽科技学院 机械工程学院，安徽 凤阳 233100)

机器人是智能控制技术的主要应用领域之一,发展历史最悠久同时在工业中应用最为广泛的机器人是工业机械手,它是个复杂的动力学系统,由多个连杆和关节组成,具有多个输入和输出,存在着复杂的耦合关系和严重的非线性,传统的基于模型的机械手控制方法不能保证设计系统在复杂环境下的稳定性、鲁棒性和整个系统的动态性能。PID控制算法简单,但是其控制系统的动态性能却不好。鲁棒控制和自适应控制等控制算法的动态性能很好,但都要求已知机械手系统数学模型的精确信息。

逆控制方法在许多领域都有着广泛的应用,实践证明它的控制精度和跟踪性极好。但是大多数系统呈现出的非线性使得其解析式难以描述,逆控制中很难求解系统模型的逆。由于神经网络可以充分地利用它可在任意的精度水平上对所有各类非线性函数进行逼近的优势以及十分出色的学习能力,使求解逆系统方面所存在的一系列难题得到有效的解决,从而相应地拓展了逆系统方法的实际应用。在当前的工作中,主要基于逆控制的相关基础理论,同时与神经网络自身所具有的优点进行充分的融合,并且在两关节的机械手系统上进行应用探索,由此成功地构建了逆系统,进而串联相关的被控系统,实现了伪线性系统的构建。……