摘 要： 提出一種針對機器人跟蹤控制的神經(jīng)網(wǎng)絡自適應滑模控制策略。該控制方案將神經(jīng)網(wǎng)絡的非線性映射能力與滑模變結(jié)構(gòu)和自適應控制相結(jié)合。對于機器人中不確定項，通過RBF網(wǎng)絡分別進行自適應補償，并通過滑模變結(jié)構(gòu)控制器和自適應控制器消除逼近誤差。同時基于Lyapunov理論保證機器手軌跡跟蹤誤差漸進收斂于零。仿真結(jié)果表明了該方法的優(yōu)越性和有效性。
關(guān)鍵詞： 不確定機器人；神經(jīng)網(wǎng)絡；自適應控制
在機器人跟蹤控制研究中，由于在建模中存在誤差，機器人系統(tǒng)不可避免地存在不確定性。由于機器人中存在的非線性和不確定性，為了解決這些問題，一些變結(jié)構(gòu)方案[1]、自適應方案[2]陸續(xù)提出。近些年來神經(jīng)網(wǎng)絡在機器人智能控制中得到廣泛的應用，參考文獻[3]提出一種神經(jīng)網(wǎng)絡自適應學習不確定系統(tǒng)，但方案只能保證系統(tǒng)的最終一致有界。參考文獻[4]提出一種神經(jīng)網(wǎng)絡學習系統(tǒng)的不確定性，但需要機器人動力學的準確模型。
為了解決上述問題，本文提出一種新的神經(jīng)網(wǎng)絡自適應滑模變結(jié)構(gòu)控制器。對于機器人中不確定項，分別應用神經(jīng)網(wǎng)絡進行自適應學習各種非線性，逼近誤差通過變結(jié)構(gòu)和自適應控制消除。這種控制器能在控制初期加快跟蹤速度，且有很好的魯棒性。
1 問題的提出
考慮n關(guān)節(jié)機器人的動力學方程[5，8]為：
本文提出對于不確定項，利用RBF網(wǎng)絡進行分別逼近，并與滑模變結(jié)構(gòu)和自適應控制相結(jié)合的控制策略，并構(gòu)建Lyapunov函數(shù)，驗證了系統(tǒng)對軌跡進行跟蹤的穩(wěn)定性。利用滑模變結(jié)構(gòu)和自適應控制方案補償神經(jīng)網(wǎng)絡的逼近誤差，比常規(guī)神經(jīng)網(wǎng)絡具有更好的動態(tài)特性和魯棒性。
參考文獻
[1] DOULGERI Z. Sliding regime of a nonlinear robust controller for robot manipulators[J]. IEE Proceedings Control Theory and Application， 1999，146（6）：493-498.
[2] COLBAUGH R， GLASS K. Adaptive tracking control of rigid manipulators using only position measurements[J].Journal of Robot and System， 1997，14（1）：9-26.
[3] KIM Y H， LEWIS F L. Neural network output feedback control of robot manipulator[J]. IEEE Transactions on Robotics and Automation， 1999，15（2）：301-309.
[4] CILIZ M K. Adaptive control of robot manipulators with neural network based compensation of frictional uncertainties[J]. Robotica， 2005， 23：159–167.
[5] 張文輝，齊乃明.自適應神經(jīng)變結(jié)構(gòu)的機器人軌跡跟蹤控制[J].控制與決策，2011，26（4）：597-601.
[6] SUN T， Pei Hailong. Neural network-based sliding mode adaptive control for robot manipulators[J]. Neurocomputing，2011，74：2377-2384.
[7] LU Y， Liu J K. Actuator nonlinearities compensation using RBF neural networks in robot control system[C]. IMACS Multiconference on Computational Engineering in Systems Application， 2006.
[8] 牛玉剛，楊成梧.基于神經(jīng)網(wǎng)絡的不確定機器人自適應滑模控制[J].控制與決策，2001，16（1）：79-83.