基于耗散理论的机器人神经网络鲁棒控制

王洪瑞，刘聪娜，张永兴
燕山大学工业计算机控制工程河北省重点实验室，河北秦皇岛
河北大学电子信息工程学院，河北保定

摘　　　要：为了更好地解决机器人系统中存在的参数不确定和外部干扰的鲁棒控制问题，提出一种基于耗散性理论的神经网络自适应鲁棒控制器，首先应用无源性理论对名义模型设计镇定控制器，然后利用ＲＢＦ神经网络自适应学习系统的不确定部分，将神经网络逼近误差作为外部干扰，基于Ｈ∞ 控制理论使干扰对系统输出的影响抑制到所要求的较小程度，并用Ｌｙａｐｕｎｏｖ稳定性理论推导出ＲＢＦ神经网络的权重矩阵调节律以及相关的鲁棒控制器，证明了系统的全局稳定性。仿真结果表明，这种控制器对机器人系统可能受到的干扰具有较好的抑制能力，提高了系统的鲁棒性，实现了系统轨迹的快速准确跟踪，又能很好地消除控制器的抖振，进而提高机器人工作性能。

关　键　词：机器人；无源性；耗散性；神经网络

１　引　言
机器人系统是典型的多输入多输出非线性系统，具有时变、强耦合和非线性等动力学特性。要实现其高精度快速跟踪控制，必须采用高级控制策略。耗散性理论自提出以来得到了人们的关注，它的实质内容就是系统内部能量的损耗总是小于外部能量的供给率，Ｈ∞ 控制和无源控制是耗散控制的特例。神经网络作为一种新的自适应控制方法，在控制领域尤其是机器人控制中得到了广泛的应用。人们提出了各种基于神经网络的控制方案，用于补偿系统非线性和不确定性的影响，以改善系统的控制性能。类似于文献［１］的控制思想，本文针对不确定机器人系统，提出一种基于耗散性理论的神经网络自适应滑模控制方案。在本文的控制方案中，神经网络自适应学习系统的不确定部分，将神经网络的逼近误差作为系统的外部干扰，结合耗散性理论进行干扰抑制，使机械手位置和速度矢量的跟踪误差渐近收敛于零。

登录网站后可下载文件

相关阅读:

没有相关新闻...