计算机测量与控制
計算機測量與控製
계산궤측량여공제
COMPUTER MEASUREMENT & CONTROL
2015年
6期
1947-1950
,共4页
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
軌跡跟蹤%RBF神經網絡%自適應邊界%控製器%三自由度%機器人手臂
궤적근종%RBF신경망락%자괄응변계%공제기%삼자유도%궤기인수비
trajectory tracking%RBF neural network%adaptive bound%controller%three degree of freedom%Robot arm
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100～1 000倍.
針對機器人手臂動態模型中存在動態不確定性問題,提齣一種結閤徑嚮基函數神經網絡(RBFNN)和自適應邊界控製的機械臂軌跡跟蹤方法;利用RBF神經網絡在線學習繫統中現有的結構化和非結構化不確定性,近似補償未知動態部分;利用自適應邊界來估計非結構化不確定性上的未知邊界和神經網絡重建誤差;通過加權矩陣產生的李雅普諾伕函數證明瞭該繫統具有漸進穩定性;利用三自由度機械臂進行實驗,結果錶明,相比FFNN控製器,提齣的控製器的跟蹤誤差改進瞭3～7倍,穩態誤差改進瞭100～1 000倍.
침대궤기인수비동태모형중존재동태불학정성문제,제출일충결합경향기함수신경망락(RBFNN)화자괄응변계공제적궤계비궤적근종방법;이용RBF신경망락재선학습계통중현유적결구화화비결구화불학정성,근사보상미지동태부분;이용자괄응변계래고계비결구화불학정성상적미지변계화신경망락중건오차;통과가권구진산생적리아보낙부함수증명료해계통구유점진은정성;이용삼자유도궤계비진행실험,결과표명,상비FFNN공제기,제출적공제기적근종오차개진료3～7배,은태오차개진료100～1 000배.
