RBF-FNN控制及其在柔性關(guān)節(jié)機(jī)器人中的應(yīng)用.pdf

1、模糊神經(jīng)網(wǎng)絡(luò)智能控制技術(shù)是機(jī)器人控制的重要技術(shù)，它將模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)集于一身，具備自適應(yīng)、自學(xué)習(xí)、聯(lián)想及模糊信息處理能力，隨著現(xiàn)代工業(yè)日趨大型化、集成化和復(fù)雜化，更在機(jī)“器人革命”有望成為“第三次工業(yè)革命”的背景下，模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究在智能控制領(lǐng)域顯得十分重要。
　　本文主要研究基于RBF-FNN的動態(tài)面控制（DSC）算法，通過在基于RBF-FNN的DSC中引入滑?？刂?SMC)增強(qiáng)算法魯棒性，并將算法應(yīng)用于柔性關(guān)節(jié)機(jī)

2、器人系統(tǒng)的控制。主要工作如下：
　?。?）提出了具有自主學(xué)習(xí)功能的自適應(yīng)RBF模糊神經(jīng)網(wǎng)絡(luò)動態(tài)面控制（RBF-FNN-DSC）算法，并應(yīng)用于一類帶有未知延時函數(shù)和不確定干擾的非仿射純反饋系統(tǒng)中。利用神經(jīng)網(wǎng)絡(luò)良好的自學(xué)習(xí)能力和模糊邏輯出色的知識表達(dá)能力，同時結(jié)合DSC方法，通過Lyap uno v方法證明它的穩(wěn)定性，以此來增強(qiáng)對這類不確定下三角非線性時滯系統(tǒng)的控制效果。仿真結(jié)果表明該算法的動態(tài)性能較基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)動態(tài)面控制（R

3、BF-NN-DSC）器更加優(yōu)良。
　?。?）提出了基于滑?？刂频淖灾鲗W(xué)習(xí)自適應(yīng) RBF模糊神經(jīng)網(wǎng)絡(luò)動態(tài)面控制（RBF-FNN-DSSMC）算法。由于 RBF-FNN-DSC算法并沒有充分考慮一階濾波器的精度以及擾動的不確定性，這些因素對控制器的魯棒性有顯著影響。因此我們通過引入SMC來改進(jìn)DSC方法，同時結(jié)合RBF-FNN以避免滑?？刂浦械亩墩駟栴}。相較于RBF-FNN-DSC算法，仿真結(jié)果表明該控制器具有更好的動態(tài)性能和魯棒性。