机床与液压
機床與液壓
궤상여액압
MACHINE TOOL & HYDRAULICS
2009年
7期
127-129,163
,共4页
机器人%不确定性%滑模控制%RBF神经网络%遗传算法
機器人%不確定性%滑模控製%RBF神經網絡%遺傳算法
궤기인%불학정성%활모공제%RBF신경망락%유전산법
滑模控制响应快,对系统参数和外部扰动呈不变性,可保证系统的渐进稳定性,但它要求控制系统的不确定性的上界值必须已知.在实际中,不确定性的上界值是无法测量的,针对这个问题,采用RBF神经网络来对干扰的上界进行自适应学习,同时也降低了滑模产生的抖振现象.通过对单关节机器人的仿真研究表明:在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能削弱滑模控制的抖动问题.
滑模控製響應快,對繫統參數和外部擾動呈不變性,可保證繫統的漸進穩定性,但它要求控製繫統的不確定性的上界值必鬚已知.在實際中,不確定性的上界值是無法測量的,針對這箇問題,採用RBF神經網絡來對榦擾的上界進行自適應學習,同時也降低瞭滑模產生的抖振現象.通過對單關節機器人的倣真研究錶明:在存在模型誤差和外部擾動的情況下,該方案既能達到高精度快速跟蹤的目的,又能削弱滑模控製的抖動問題.
활모공제향응쾌,대계통삼수화외부우동정불변성,가보증계통적점진은정성,단타요구공제계통적불학정성적상계치필수이지.재실제중,불학정성적상계치시무법측량적,침대저개문제,채용RBF신경망락래대간우적상계진행자괄응학습,동시야강저료활모산생적두진현상.통과대단관절궤기인적방진연구표명:재존재모형오차화외부우동적정황하,해방안기능체도고정도쾌속근종적목적,우능삭약활모공제적두동문제.
