采摘机械臂的PSO-RBF神经网络自适应控制  

Picking Manipulator Control Based on PSO-RBF Neural Network

作　　者：董中华 陈鹏飞[1] 李亚龙 DONG Zhonghua;CHEN Pengfei;LI Yalong(School of Mechanical and Electrical Engineering,Lanzhou University of Technology,Lanzhou 730050,China)

机构地区：[1]兰州理工大学机电工程学院,甘肃兰州730050

出　　处：《机械制造与自动化》2022年第1期181-183,233,共4页Machine Building & Automation

摘　　要：针对采摘机械臂系统的不确定性为控制带来的问题,设计一种PSO-RBF神经网络自适应控制方法。该方法使用径向基函数神经网络来逼近并补偿系统模型误差,用粒子群优化算法来优化RBF的权值参数,确保PSO-RBF控制性能更好。MATLAB仿真结果表明:与RBF神经网络控制相比,PSO-RBF神经网络控制精度和性能更好。Concerning the control problems caused by the uncertainty of the manipulator system,a new PSO-RBF neural network adaptive control method is designed,with which a radial basis function neural network is used to approximate and compensate for system model errors,and particle swarm optimization is applied to optimize RBF weight parameters to ensure better PSO-RBF control performance.The MATLAB simulation experiment results show that PSO-RBF neural network control manifests higher accuracy and better performance than that of RBC.

关 键 词：机械臂 RBF神经网络 粒子群算法 MATLAB仿真 

分 类 号：TP241[自动化与计算机技术—检测技术与自动化装置]