共查询到10条相似文献,搜索用时 187 毫秒
1.
2.
提出一种针对机器人跟踪控制的神经网络自适应滑模控制策略。该控制方案将神经网络的非线性映射能力与滑模变结构和自适应控制相结合。对于机器人中不确定项,通过RBF网络分别进行自适应补偿,并通过滑模变结构控制器和自适应控制器消除逼近误差。同时基于Lyapunov理论保证机器手轨迹跟踪误差渐进收敛于零。仿真结果表明了该方法的优越性和有效性。 相似文献
3.
4.
对受非完整约束且含模型不确定性的移动机器人基于分层模糊系统设计了跟踪期望几何路径的鲁棒间接自适应控制方案.此方法除实现路径跟踪外,还可避免控制器的奇异性并保证跟踪方向.由于控制结构中使用了分层模糊系统,大大减少了模糊规则数目;并用鲁棒控制项对模糊系统逼近误差进行补偿,减少了其对跟踪精度的影响.证明了闭环系统跟踪误差收敛到原点的小邻域内,且可通过适当增大鲁棒控制项的设计参数使跟踪误差进一步减小.最后用实验结果验证了方法的有效性. 相似文献
5.
提出了一种新的小脑模型(Cerebellar Model Articulation Controller,CMAC)神经网络标称补偿控制器.采用二阶扩展B样条CMAC网络平滑逼近机器人标称模型,消除了常规神经网络控制对输入的严格假设.为了确保系统闭环的全局稳定性,采用Lyapunov直接法设计网络权值的更新律,并引入非线性反馈项完全抵消补偿的残留项.未知的CMAC逼近误差和系统随机干扰,通过一个简洁的鲁棒自适应律估计.最后,针对两自由度机器人的仿真实例验证了所提算法的有效性. 相似文献
6.
基本积分型李亚普诺夫函数的直接自适应神经网络控制 总被引:2,自引:2,他引:2
针对一类具有下三角形函数控制增益矩阵的非线性系统,基于滑模控制原理,并利用
多层神经网络的逼近能力,提出了一种直接自适应神经网络控制器设计的新方案.通过引入积
分型李亚普诺夫函数及残差与逼近误差和的上界函数的自适应补偿项,证明了闭环系统是全局
稳定的,跟踪误差收敛到零. 相似文献
7.
8.
9.
机器人轨迹跟踪的一种自适应神经鲁棒控制 总被引:3,自引:0,他引:3
针对不稳定机器人轨迹跟踪问题,提出了一种基于神经网络的自适应鲁棒控制。该控制方案由一个PD反馈和一个神经动态补偿器组成,其特点是不需要系统不确定性上界的先验知识,而且避免了求解惯性矩阵逆,通过利用一个RBF神经网络自适应学习系统不稳定性的未知上界,从而可以有效克服系统不确定性的影响,保证机器人系统的输出跟踪误差渐近收敛于0。 相似文献
10.
针对存在不确定性以及干扰的自由漂浮空间机器人关节空间轨迹跟踪问题,提出了一种基于鲁棒控制思想的神经网络鲁棒控制方法.对于控制器中由系统惯性参数不确定性引起的非线性不确定项,利用径向基函数(RBF)神经网络进行逼近,并且利用鲁棒控制器使系统镇定并保证从干扰到跟踪误差的增益小于或等于给定的指标.最后,对本文提出的控制方案进... 相似文献