基于神经网络的学习控制及其在机器人中的应用

针对一类非线性系统的跟踪控制问题 ,首先提出了一种遗忘因子迭代学习控制算法 ,给出了算法收敛的充分条件 ,然后 ,利用神经网络原理 ,对要求跟踪的新的期望轨迹 ,在系统的历史控制经验基础上 ,用神经网络估计系统的期望控制输入 ,然后将其作为迭代学习控制器的初始控制输入 ,再由迭代学习律逐步改善控制输入 ,使系统的实际输出只需较少的迭代次数就能达到跟踪的精度要求。机器人系统的仿真结果表明了该算法的有效性。