不确定机器人的神经网络轨迹控制_张文辉

文章编号：1001-9944(2010)05-0022-04

不确定机器人的神经网络轨迹控制

张文辉1，齐乃明1，尹洪亮2

（1．哈尔滨工业大学航天学院，哈尔滨150001；2．北京航空航天大学仪器与光电工程学院，北京100083）

摘要：针对不确定机器人的轨迹跟踪问题，提出了一种基于自适应神经网络的控制方案。对于系统中的各种未知非线性，通过RBF神经网络和变结构光滑集成的控制器来自适应学习并且补偿，这种控制器克服了局部泛化网络的不足，提高了控制精度及其收敛速度。而且在考虑神经网络失效的情况下，仍能保证系统具有良好的鲁棒性。网络权重的自适应修正规则基于Lyapunov函数方法得到，它保证了跟踪误差的全局渐进稳定性。试验结果证明了这种控制算法的有效性。

关键词：神经网络；变结构；机器人；自适应控制中图分类号：TP242

文献标志码：A

NeuralNetworkTrackingControlofRobotManipulatorswithUncertainties

ZHANGWen-hui1，QINai-ming1，YINHong-liang2

（1．CollegeofAerospace，HarbinInstituteofTechnology，Harbin150001，China；2．CollegeofInstrumentScienceand

PhotoelectricityEngineering，BeijingUniversityofAeronauticsandAstronautics，Beijing100083，China）

Abstract：Thispaperproposesaadaptiveneuralcontrolalgorithmfortrajectorytrackingofrobotmanipulatorswithuncertainties．Avelvetintegrationcontrollerbasedonneutralnetworkandvariablestructureisusedtoadaptivelearnandcompensatetheunknownsystem.Thecontrollereffectivelyeliminatetheeffectsoflocalnetworkandimprovethecontrolaccuracyandconvergencefunction．Wheninvalidationofneutralnetworkappears，thecontrollercanensuregoodrobust．TheweightadaptivelawsbasedonLyapunovanalysisapproachcanensuretheasymptoticconvergenceoftrackingerror．Thesimulationresultispresentedtoshoweffectivenessoftheproposedscheme．Keywords：neuralnetwork；variablestructure；robot；adaptivecontrol

由于机器人是复杂的非线性系统，它具有的本质未建模动力学以及非结构的不确定性，给控制带来很多挑战。近些年来基于机器人的智能控制受到控制领域的广泛关注，各种基于非线性补偿的控制方法［1-2］近些年来相续被提出。文献［3］提出了一种基于神经辨识的自适应控制器，但在实际应用中必然存在逼近误差，而难以保证闭环反馈系统的稳定性，限制了算法在工程中的应用。文献［4］提出了一

收稿日期：2010－01－15；修订日期：2010－02－03基金项目：中国航天科技集团创新基金

种变结构的复合控制器，对机器人的标称部分采用计算力矩法，对不确定性部分采用变结构补偿，虽可达到全局渐进稳定，但却无法消除变结构带来的控制“抖振”。

考虑到上述不足，本文提出一种自适应神经滑模跟踪控制方案，用于对不确定机器人进行跟踪控制。该方案采用RBF神经网络与变结构光滑集成的控制器来对未知系统进行逼近。在控制初期及神经

作者简介：张文辉（1980－），男，博士生，研究方向为机器人智能控制、神经网络控制的研究；齐乃明（1962－），男，博士生导

师，研究方向为飞行器机电一体化、空间机器人控制；尹洪亮（1984－），男，博士生，研究方向为非线性控制、神经网络控制。

22

Automation＆Instrumentation2010(5

)

第1页下一页