RBFNN结合自适应边界的机器人手臂轨迹跟踪控制系统设计  

Design of Trajectory Tracking Controller for Manipulator Using RBFNN and Adaptive Bound

作　　者：王明斐[1] 刘丹[1] 海本斋[2] 

机构地区：[1]河南机电高等专科学校计算机科学与技术系,河南新乡453002 [2]武汉理工大学信息工程学院,武汉430070

出　　处：《计算机测量与控制》2015年第6期1947-1950,共4页Computer Measurement &Control

基　　金：河南省高等学校重点科研项目(15B520007);河南省高等学校重点科研项目(15B520006);河南省教育厅科学技术研究重点资助项目(14A520085);河南省教师教育课程改革项目(2014-JSJYYB-026)

摘　　要：针对机器人手臂动态模型中存在动态不确定性问题,提出一种结合径向基函数神经网络（RBFNN）和自适应边界控制的机械臂轨迹跟踪方法;利用RBF神经网络在线学习系统中现有的结构化和非结构化不确定性,近似补偿未知动态部分;利用自适应边界来估计非结构化不确定性上的未知边界和神经网络重建误差;通过加权矩阵产生的李雅普诺夫函数证明了该系统具有渐进稳定性;利用三自由度机械臂进行实验,结果表明,相比FFNN控制器,提出的控制器的跟踪误差改进了3-7倍,稳态误差改进了100-1000倍.For the issue of the presence of inherently existing uncertainties in the dynamic model of the robot manipulator, a method combination of radial basis function neural network （RBFNN） and adaptive boundary model tracking method of manipulator trajectory is proposed. It use RBF neural network learn the existing structured and unstructured uncertainties in the system in online manner, to approximate compensate unknown dynamic part. The adaptive bound part is used to estimate the unknown bounds on unstructured uncertainties and neural network reconstruction error. The overall system is proved to be asymptotically stable. This system is proved to be asymptotically stable by the Lyapunov function that produced by Weigh- ted Matrix. To experiments using three degree of freedom manipulator, experiment results show that proposed controller has improved the tracking error with 3 to 7 times, and it has improved the steady state error with 100 to 1000 times.

关 键 词：轨迹跟踪 RBF神经网络 自适应边界 控制器 三自由度 机器人手臂 

分 类 号：TP241[自动化与计算机技术—检测技术与自动化装置]