神经网络作业附仿真程序matlab

《神经网络作业附仿真程序matlab》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于RBF的机械手无需模型自适应控制研究一、摘要针对机械手存在的扰动等未知模型，提出了基于RBF神经网络的自适应控制策略。采用RBF神经网络对机械手动力学模型在线学习，并根据Lyapunov稳定性理论建立了网络权值自适应学习律，确保了网络逼近误差的收敛及系统的稳定。以四自由度机械手轨迹跟踪为例进行仿真，结果表明该方法能够有效低补偿建模误差，实现了无需模型的机械手自适应控制，提高了系统的控制性能及对外部不确定扰动的鲁棒性，对实际工业机械手的自适应控制具有一定的可操作性。二、对四自由度机械手模型RBF仿真2.1机械手动力学模型设n关节机械手方程为：M⑷可+C(q,q)q+

2、G⑷+F($)+q=「(1)式中：q—关节角位移，q丘肿；M(q)一nxn阶正定惯性矩阵；C(q,q)q一nxl科氏力及向心力向量；G⑷一/7X1阶重力向量；F©—摩擦力；匚一未知外部干扰；T—控制输入。定义跟踪误差为：式中：cld—关节目标角位移向量。定义误差函数为：r=e+A-e,其中△=&〉()，则：0=—厂++A•幺=0+A・6)=M(乙+A7)—呦=M©+A・6)+Cg+G+F+q—M(qd+A•6)-C+C(qd+A-6,)+G+F+r

3、RBF神经网络逼近的控制器设计采用RBF网络逼近/(x),则RBF神经网络的输出为：f^)=WT(p(x)(5)取W=W-W,Wr则设计的控制律为：卜nidAt=/(X)+Kvr-v-WT(p(x)4-Kvr一v(6)式中：V—用于克服神经网络逼近误差£的鲁棒项。将控制律式(6)代入式(3),得:Mr=-(/Cv+C)r+lV7<^x)+(^+rJ+v=-(A：v+C)r+

4、witchflag,case0,[sys5xO,str,ts]=mdlInitializeSizes;case1，sys=mdlDerivatives(t,x,u);case3,sys=mdlOutputs(t,x,u);case{2,4,9}sys=[];otherwiseerror([fUnhandledflag=um2str(flag)]);endbH3.0诜ones(Ml)八a_fa"3;kpuEfa>200巴fa>2一；kv丄2*ELfa0;02盘一fa」；functionsysumd一DerivaHves(hxc)globalcbkvkpAHNeros

5、(2)eye(2)八—kp—kvkbho00pl00二；Q丄50000;05000;00500;00052;pILyap(A.o)-2.g(prqdluu(l)；diqdl"0.2诧0.5诧pi诜COSP5诜pi诜t=qd2HU(2)；dlqd2"0・2氓0・5诧pi¥sin(0.5诜pi4-)八function「sys>pstrtsllmdlInH:a=zesizesglobalcbkvkpsizesnsimsizes-sizes.NumcontstatesH1psizes.NumDiscsuuesnpsizes.Numospursn6八sizcs.Numlnpur

6、sH??sizes.DirFeeddlroughHl;sizes.NumsampleTimesH一八sysHsimsizes(sizes).xOH0・l*ones(1910)；str丄；tsHoo一；%CH0・60*ones(495)八c丄・2*012T22-012—2-012—2—1012」；q1=u(3);dq1=u(4);q2=u(5);dq2=u(6);el=ql-qdl;e2=q2-qd2;del=dql-d_qdl;de2=dq2-d_qd2;th=[x(l)x(2)x(3)x(4)x(5);x(6)x(7)x(8)x(9)x(10)]r;xi=[e1;e

7、2;de1;de2];h=zeros(5,l);forj=l:l:5h(j)=exp(-norm(xi-c(:,j))A2/(2*b(j)*b(j)));endgama=20;Ml=l;讦M1==1%AdaptiveLawS=gama*h*xi*P*B;elseifMl==2%AdaptiveLawwithUUBk1=0.001;S=gama*h*xi,*P*B+kl*gama*norm(x)*th;endS=S：fori=l:l:5sys(i)=S(l,i);sys(i+5)=S(2,i);endfunctionsys=mdlOutputs(t,x