[发明专利]机械臂柔性关节的RBF神经网络自适应动态面控制方法

摘要

本发明涉及一种基于机械臂柔性关节的RBF神经网络自适应动态面控制方法，属于人工智能及智能控制技术领域。本发明针对机械臂存在的柔性关节进行建模，结合RBF神经网络与动态面技术用自适应的控制方法设计控制器。利用RBF神经网络来补偿系统参数不确定性的，利用自适应律对神经网络的权值进行调整，提高RBF神经网络对非线性函数的逼近能力，消除对机械臂精确动力学模型的需要，研究适合于具有柔性关节的轻型机械臂的位置跟踪控制算法。最后通过仿真实例对设计控制器进行验证，说明本发明可以在机器臂输出力矩有限的条件下保证关节能够有效跟踪给定信号，跟踪误差无约束在一定范围内，且所有信号都半全局有界。

主权项

1.一种机械臂柔性关节的RBF神经网络自适应动态面控制方法，其特征在于，包括以下步骤：步骤1，对机械臂柔性关节进行建模；步骤2，根据械臂柔性关节的物理特性，将建模得到的方程模型转换为状态方程；步骤3，定义第一个跟踪误差并设计第一个虚拟控制器，将第一个虚拟控制器的信号输入第一个一阶低通滤波器，得到新的状态变量x2d代替第一个虚拟控制器进行下一步计算，减小计算量；步骤4，定义第二个跟踪误差，利用第一RBF神经网络对含有不确定参数的非线性函数进行逼近，设计第一RBF神经网络权值的自适应律；设计第二个虚拟控制器，第二个虚拟控制器的信号通过第二个一阶低通滤波器，得到新的变量x3d；步骤5，定义第三个跟踪误差，设计第三个虚拟控制器，将第三个虚拟控制器的信号输入到第三个一阶低通滤波器，得到新的状态变量x4d；步骤6，定义第四个跟踪误差，根据所述的状态方程，利用第二RBF神经网络对其进行补偿逼近，设计第二RBF神经网络权值的自适应律；步骤7，设计实际控制器。