[发明专利]一种基于多参数自适应神经网络的滑模控制器设计方法

权利要求书

1.一种基于多参数自适应神经网络的滑模控制器设计方法，其特征在于，包括如下步骤：

步骤1，建立n自由度旋转关节刚性机械臂动力学模型；

步骤2，将步骤1中模型系统转化为基于关节位置的二阶状态方程，并为其设计快速终端滑模面；

步骤3，利用RBF神经网络对系统未知动力学参数进行逼近；

步骤4，设计自适应非奇异快速终端滑模控制器，并基于步骤3中的动力学参数逼近结果，实现机械臂的无模型控制。

2.根据权利要求1所述的一种基于多参数自适应神经网络的滑模控制器设计方法，其特征在于，所述步骤1中建立n自由度旋转关节刚性机械臂动力学模型具体过程如下：

式中，分别代表机械臂关节的位置、速度和加速度；M(q)＝M₀(q)+ΔM(q)为正定惯性矩阵,为离心力和科氏力矩阵,G(q)＝G₀(q)+ΔG(q)为重力向量,为系统参数的标称值，表示系统的不确定部分，τ为控制输入，τ_d为干扰输入，为摩擦力矩。

3.根据权利要求2所述的一种基于多参数自适应神经网络的滑模控制器设计方法，其特征在于，所述步骤2的具体过程如下：

步骤2.1定义误差信号如下：

式中，是期望轨迹信号，假设其至少二阶连续可导；和分别为位置跟踪误差和速度跟踪误差。

步骤2.2为实现系统状态在有限时间内收敛，引入如下快速终端滑面：

式中，为增益矩阵，其中

则可得

式中，分为期望轨迹的位置、速度和加速度信号，并且其精确模型是未知的；

步骤2.3获得机械臂的子系统如下：

式中，是机械臂系统中的未知函数，i,j代表矩阵中第i行j列的元素。

4.根据权利要求1所述的一种基于多参数自适应神经网络的滑模控制器设计方法，其特征在于，所述步骤3的具体过程为：

步骤3.1选取高斯函数如下：

式中，x_i＝(x_i1,x_i2...,x_in)^T，i＝1,2,...,n，j＝1,2,...,m为神经网络节点数，ζ_ij表示为径向基函数的中心，σ_ij表示高斯函数的宽度值；

步骤3.2RBF神经网络输出为

从而得到RBF神经网络逼近的任意非线性函数表达式为：

式中，ε_i是RBF神经网络估计误差，w_i＝(w_i1,w_i2,...,w_im)^T为神经网络的理想权重。

5.根据权利要求1所述的一种基于多参数自适应神经网络的滑模控制器设计方法，其特征在于，所述步骤4的具体过程为：

步骤4.1引入如下常数：

φ_i＝||w_i||²

令代表参数φ_i的估计值，则φ_i的估计误差表示为

步骤4.2为实现对期望轨迹的跟踪，设计如下基于RBF神经网络的快速终端滑模控制器：

式中，μ_i＞0，l_i＞1和ρ_i＞0是被设计的增益参数；而是一个鲁棒项用于消除滑模面带来的抖振现象，定义如下：

χ_i＝-ε_0iτ_ri

式中，ε_0i为常数，τ_ri选取如下形式：

式中，为正常数，满足

步骤4.3设计如下自适应律：

式中，κ_0i，κ_1i为正常数。