磁性微型机器人神经自适应轨迹跟踪控制

针对复杂环境和不确定的动态模型问题，提出了一种自适应神经网络控制算法，并且基于李雅普诺夫理论保证了闭环系统的稳定性。相较而言，基于模型的控制策略需要精准地知道微机器人的动力学以及周围环境参数，而本文提出的基于径向基函数神经网络的状态反馈控制策略可以有效地根据状态与期望轨迹在线估计系统模型的不确定项。最后，在所开发的磁场驱动的微型机器人系统上进行了2项实验并进行了对比，以验证所提出的控制器的有效性。结果表明，曲线与直线的轨迹跟踪均方根误差分别达到6.2204像素与6.4279像素，明显优于传统的PID（比例-积分-微分）算法。