基于模型不确定逼近的RBF网络机器人自适应控制.pdf

《基于模型不确定逼近的RBF网络机器人自适应控制.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2O卷第20期电子设计工程2012年10月V01．20No．20ElectronicDesignEngineering0ct．2012基于模型不确定逼近的RBF网络机器人自适应控制陈龙宪(长安大学电子与控制工程学院，陕西西安710064)摘要：利用RBF网络能以任意精度逼近任意的连续函数的特点。设计一种基于模型不确定逼近RBF网络机器人的自适应控制器。采用RBF网络可以大大加快学习速度，并避免局部极小1'-3题，适合于实时控制要求。仿真结果表明．该控制算法具有较强的鲁棒性和较好的跟踪性。关键词：机器人：RBF网络：

2、自适应控制：鲁棒性中图分类号：TP183文献标识码：A文章编号：1674—6236(2012)20—0080—04AdaptivecontrolofrobotbasedonRBFnetworkwithuncertaintyofmodelapproximationCHENLong—xian(SchoolofElectronic&ControlEngineering，Chang’anUniversity，Xi’帆710064，China)Abstract：AstheRBFnetworkcanapproachanymode

3、lwithanyprecision，weputforwardanadaptiveControllerofRobotBasedonRBFNetworkwithuncertaintyofmodelapproximation．TheRBFnetworkcangreatlyacceleratethelearningspeedandavoidlocalminimaproblems，suitableforreal-timecontrolrequirements．Thesimulationresultsshowthatthecon

4、trolalgorithmhasstrongrobustnessandsuperiortrackingcapability．Keywords：robot；radialbasisfunctionnetwork；adaptivecontrol；robustness机器人系统是一个多变量、强耦合、高度复杂的非线性逼近RBF网络机器人的自适应控制器的设计。动力学系统，其工作环境复杂多变．外界干扰和机器人本身1RBF神经网络参数的不确定性成为获得机器人精确数学模型的最大障碍，因此．根据机器人精确数学模型设计一个有效的控制器是很

5、RBF网络是一种单隐层3层前向网络。由输入到输出的困难的。自适应控制根据环境和参数的变化在线调整控制器映射是非线性，而隐含层空间到输出空间的映射是线性的。参数，能够设计出针对机器人系统的较为理想的控制器[1]。隐层单元变换函数为高斯基函数．是对中心点成径向对称衰对于模型已知的机器人系统，已有的鲁棒控制和计算力矩控减的非负非线性函数。高斯基函数的值在输入空间中有限范制理论可以保证渐近稳定的跟踪．而当系统存在不确定性因围内为非零值，因而RBF网络是局部逼近的神经网络。RBF素或模型未知时跟踪特性往往难以保证，RBF网络自

6、适应控经网络结构如图1所示。有n个输入节点，隐含节点m个，输制技术的发展为该问题的解决提供了可能。自适应控制分为出节点1个。采用RBF神经网络逼近某一对象的结构图如图直接型和间接型，对于机器人模型完全未知的情况下，应该2所示[21。采用间接型自适应控制方法先为控制对象建模，然后再设计控制器。直接模糊控制的特点是避开被控对象的特性建模，利用一组模糊基函数，直接综合出控制律来逼近最优控制律，或者将模糊控制与其他控制算法相结合。基于机器人模型的自适应控制利用机器人参数线性化的特点，能够在线估计机器人不确定的但能够结构化的参

7、数．这种方法在理论上的渐近收敛性已经给出了严格的证明，并取得了较为满意的实验结果。但是，机器人模型的复杂程度随着自由度的增加呈指数上升，而且，有些情况下机器人模型并不容易得到。因此，设计一个无模型的自适应控制器便成为当前研究的一个热点。为此提出了基于模型不确定图1RBF神经网络结构图Fig．1RBFneuralnetworkstructure收稿日期：2012—07—02稿件编号：201207012作者简介：陈龙宪(1988一)，男，陕西西安人，硕士研究生。研究方向：控制工程，自动化。——80——陈龙宪基于模型不确定

8、逼近的RBF网络机器人自适应控制=r1+2(3)其中-=D0(g)(一一e)Co(q，q)qG。(，式中为0+2=-D0(q的估计值()。图2RBF神经网络逼近Fig．2RBFneur~networkapproximation同理，将控制律带入动力学方程，得tr=D0(q)(d—kve—ke)I+Co(g，)cl+G0(q)-Oo(q)(，)+