关于机器人的机械臂对目标轨迹跟踪优化控制.pdf

《关于机器人的机械臂对目标轨迹跟踪优化控制.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第33卷第12期计算机仿真2016年12月文章编号：1006—9348(2016)12—0338—04关于机器人的机械臂对目标轨迹跟踪优化控制石佳玉，马建伟，张海涛，宋晓娜(河南科技大学信息工程学院，河南洛阳471023)摘要：针对上界不确定机械臂的轨迹跟踪问题，提出了一种基于RBF神经网络的滑模控制与模糊控制相结合的控制方法，分别采用状态反馈和滑模变结构对系统确定部分和不确定部分进行控制，同时建立模糊系统用来进行系统控制量的切换。而对于实际系统中所存在的不确定因素上界难以预测的问题，根据神经网络的特点，提出利用自适应神经网络对不确定部分的上界进行在线学习。最后对上述控制方法进行了仿真验证，

2、得到了预期的控制效果。仿真结果表明，在存在外部扰动和模型误差的情况下，改进控制器可以实现对系统期望轨迹的稳定跟踪。关键词：不确定上界；神经网络；滑模控制；模糊控制中图分类号：TP242文献标识码：BOptimalTrajectoryTrackingControlforRobotManipulatorSHIJia—yu，MAJian—wei，ZHANGHai—tao，SONGXiao—na(DepartmentofInformationEngineering，HenanUniversityofScience＆Technology，HenanLuoyang471023，China)ABSTRAC

3、T：Aimingatthetrajectorytrackingproblemofuncertainupperboundmanipulator，acontrolmethodcorn—biningslidingmodecontrolandfuzzycontrolbasedonRBFneuralnetworkisproposed，statefeedbackandslidingmodevariablestructureareusedtocontrolthecertainanduncertainpartofsystem，atthesametimethefuzzysystemisusedforswitc

4、hofthesystemcontr01．Becausetheuncertainupperboundisdifficulttopredictintheactualsys-tem，theupperboundofuncertainpartcanbelearnedonlinebyadaptiveneuralnetworkaccordingtoitsfeature．Fi—nally，thecontrolmethodisverifiedbysimulation．Expectedcontrolresultsayeobtained．Thesimulationresultsshowthatthecontrol

5、lercanachievestabletrackingforthedesiredtrajectoryofsystemwithdisturbanceandmodelerror．KEYWORDS：Uncertainupperbound；Neural—network；Sliding—modecontrol；Fuzzycontrol1引言轨迹跟踪问题是机器人控制中的主要问题之一，轨迹跟踪的关键在于设计控制器实现对目标轨迹的快速、稳定跟踪。但是在工程实践中，机器人本身参数以及外部干扰的变化都会对其造成一定的影响，设计具有高度抗干扰的控制器，实现稳定的轨迹跟踪控制，成为了机器人控制领域的一个重要研究部分

6、。变结构控制方法由于其本身具有对外部扰动以及参数变化的高度适应性等优点，应用较为广泛，但是常规变结构控制方法的问题在于系统状态到达滑模面后，会产生一定的抖振，影响控制效果。文献[1]运用模糊逻辑策略调节系统滑模控制，以提高系统控制性能；Mien[2o等为了减弱滑模控制器抖振，设计了基金项目：国家自然科学基金(61203047)收稿日期：加16—01—2l修回日期：2016—02—15·-———338·--——基于模糊的滑模控制系统；文献[3]为了减弱抖振，设计了一种基于模糊推理系统的滑模控制器用于控制机械手系统；文献[4]设计了一种全局模糊滑模控制方法，相比传统滑模控制方法，对目标具有更好地

7、控制效果。以上控制算法并没有很好地解决系统不确定因素的影响，对于系统不确定因素上界的问题，运用神经网络逼近不确定上界是一种解决这个问题的有效方法，Xu-51等为了保证系统的稳定性，采用径向基神经网络估计系统近似不确定性；Le∞1等提出了一种新的无抖振的神经滑模控制器，用一个前馈神经网络与一个误差估计器相结合，用来补偿机器人的非线性不确定性；文献[7]研究了～种不确定机械臂的鲁棒容错控制方案，设计一个基于神经网