2022年2022年机器人神经网络鲁棒自适应控制器设计 .pdf
《2022年2022年机器人神经网络鲁棒自适应控制器设计 .pdf》由会员分享,可在线阅读,更多相关《2022年2022年机器人神经网络鲁棒自适应控制器设计 .pdf(7页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、鲁棒控制论文(仅供应付作业之用。)电气工程学院模式识别与智能系统王*S*2011.6.28 名师资料总结-精品资料欢迎下载-名师精心整理-第 1 页,共 7 页 -1 机器人神经网络鲁棒自适应控制-以二关节机器人力臂系统为例机器人学科是一门迅速发展的综合性前沿学科,受到工业界和学术界的高度重视。机器人的核心是机器人控制系统,从控制工程的角度来看,机器人是一个非线性和不确定性系统,机器人智能控制是近年来机器人控制领域研究的前沿课题,已取得了相当丰富的成果。机器人轨迹跟踪控制系统的主要目的是通过给定各关节的驱动力矩,使得机器人的位置、速度等状态变量跟踪给定的理想轨迹。与一般的机械系统一样,当机器人
2、的结构及其机械参数确定后,其动态特性将由动力学方程即数学模型来描述。因此,可以采用自动控制理论所提供的设计方法,采用基于数学模型的方法设计机器人控制器。但是在实际工程中,由于机器人是一个非线性和不确定性系统,很难得到机器人精确的数学模型。采用神经网络,可实现对机器人动力学方程中未知部分的精确逼近,从而实现无需建模的控制。本节讨论如何利用神经网络控制和李雅普诺夫(Lyapunov)方法设计机器人轨迹跟踪控制的问题,以及如何分析控制系统的稳定性和收敛性。一 机器人动力学模型及其结构特性n关节机械手动态方程可表示为:,dMq qVq q qGqF q(1)其中,nRq为关节转动角度向量,M q为nn
3、维正定惯性矩阵,,V q q为nn维向心哥氏力矩,G q为1n维惯性矩阵,Fq为1n维摩擦力,d为未知有界的外加干扰,nR为各个关节运动的转矩向量,即控制输入。机器人动力学系统具有如下动力学特性:特性 1:惯量矩阵M(q)是对称正定阵且有界;特性 2:矩阵,Vq q有界;特性 3:2,MqC q q是一个斜对称矩阵,即对任意向量,有2,0TMqC q q(2)特性 4:未知外加干扰d满足ddb,db为正常数。二 传统控制器的设计及分析定义跟踪误差为:名师资料总结-精品资料欢迎下载-名师精心整理-第 2 页,共 7 页 -2 dttteqq(3)定义误差函数为:ree(4)其中0T。则dqrqe
4、ddddddddqMrMqqeMqeMMqeVqGFMqeVrVqeGFVr f(5)其中,f为包含机器人模型信息的非线性函数。f表示为ddfxMqeV qeGF(6)在实际工程中,Mq,,V q q,G q和F q往往很难得到精确的结果,导致模型不确定项f x为未知。为了设计控制器,需要对不确定项f x进行逼近,假设?f为f的逼近值。设计控制律为?v fK r(7)将控制律式(7)代入式(5),得0?vdvdvMrVrfK rfKVrfKVr?(8)其中f为针对f的逼近误差,?fff,0d?f。如果定义Lyapunov 函数12TLr Mr(9)则011222TTTTTvLr Mrr Mrr
5、 K rrMV rr?0TTvLr?r K r这说明在vK固定条件下,控制系统的稳定依赖于0?,即?f对f的逼近精度及干扰d的大小。名师资料总结-精品资料欢迎下载-名师精心整理-第 3 页,共 7 页 -3 三 基于 RBF神经网络逼近的机器人控制1基于 RBF网络的逼近算法已经证明,采用RBF 网络可以实现对任意连续函数的精确逼近。因此,可以采用RBF网络实现对不确定项f的逼近。在 RBF 网络结构中,取Tnxxx,.,21X为网络的输入向量。设 RBF 网络的径向基向量Tmhh,1H,其中 hj为高斯基函数:2j2-hexp(-),1,2,2jjjmbX C.(10)其中网络第j个结点的中
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2022年2022年机器人神经网络鲁棒自适应控制器设计 2022 机器人 神经网络 自适应 控制器 设计
限制150内