摘  要： 提出一種針對機器人跟蹤控制的神經(jīng)網(wǎng)絡(luò)自適應(yīng)滑?？刂撇呗?。該控制方案將神經(jīng)網(wǎng)絡(luò)的非線性映射能力與滑模變結(jié)構(gòu)和自適應(yīng)控制相結(jié)合。對于機器人中不確定項,，通過RBF網(wǎng)絡(luò)分別進行自適應(yīng)補償,，并通過滑模變結(jié)構(gòu)控制器和自適應(yīng)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(luò),；自適應(yīng)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(yīng)方案[2]陸續(xù)提出,。近些年來神經(jīng)網(wǎng)絡(luò)在機器人智能控制中得到廣泛的應(yīng)用，參考文獻[3]提出一種神經(jīng)網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)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(luò)學(xué)習(xí)系統(tǒng)的不確定性，但需要機器人動力學(xué)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(luò)自適應(yīng)滑模變結(jié)構(gòu)控制器。對于機器人中不確定項,，分別應(yīng)用神經(jīng)網(wǎng)絡(luò)進行自適應(yīng)學(xué)習(xí)各種非線性,，逼近誤差通過變結(jié)構(gòu)和自適應(yīng)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(xué)方程[5，8]為：

　本文提出對于不確定項,，利用RBF網(wǎng)絡(luò)進行分別逼近,，并與滑模變結(jié)構(gòu)和自適應(yīng)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(yīng)控制方案補償神經(jīng)網(wǎng)絡(luò)的逼近誤差，比常規(guī)神經(jīng)網(wǎng)絡(luò)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(yīng)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(luò)的不確定機器人自適應(yīng)滑?？刂芠J].控制與決策，2001,，16（1）：79-83.