基于扰动观测器的机器人自适应神经网络跟踪控制研究

摘要：

为解决机器人动力学模型未知问题并提升系统鲁棒性,本文基于扰动观测器,考虑动力学模型未知的情况,设计了一种自适应神经网络(Neural network,NN)跟踪控制器.首先分析了机器人运动学和动力学模型,针对模型已知的情况,提出了刚体机械臂通用模型跟踪控制策略;在考虑动力学模型未知的情况下,利用径向基函数(Radial basis function,RBF)神经网络设计基于全状态反馈的自适应神经网络跟踪控制器,并通过设计扰动观测器补偿系统中的未知扰动.利用李雅普诺夫理论证明所提出的控制策略可以使闭环系统误差信号半全局一致有界(Semi-globally uniformly bounded,SGUB),并通过选择合适的增益参数可以将跟踪误差收敛到零域.仿真结果证明所提出算法的有效性并且所提出的控制器在Baxter机器人平台上得到了实验验证.

关键词：神经网络控制、全状态反馈、扰动观测器、李雅普诺夫理论、Baxter机器人

所属期刊栏目：45

资助基金：国家自然科学基金61921004,61873298,U1713209;装备预研教育部联合基金6141A02033339

在线出版日期：2019-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：1307-1324