基于自回归小波神经网络的机械臂自适应滑模控制OA北大核心CSTPCD
针对机械臂存在模型不确定和未知扰动的问题,提出一种动力学模型参数分块逼近的神经网络非奇异终端滑模(nonsingular terminal sliding mode, NTSM)控制方法.为加快系统跟踪误差的收敛速度,避免传统终端滑模存在的奇异性问题,采用一种非奇异终端滑模面.利用多组自回归小波神经网络(self-recurrent wavelet neural network, SRWNN)分块逼近系统未知的动力学模型参数,并采用自适应更新律调整权重.通过积分控制项补偿SRWNN的逼近误差,并使用Lyapunov稳定性理论证明了系统稳定性.使用MATLAB进行仿真分析,分块SRWNN滑模控制与滑模控制、整体SRWNN滑模控制相比,关节角度跟踪误差的平均稳态误差分别降低了31.9%、76.5%,表明此方法是一种可靠、有效的轨迹跟踪控制方法.
杨佳;吴佩林;杨理;寇东山;余斌;
重庆理工大学,重庆400054 重庆市能源互联网工程技术研究中心,重庆400054重庆理工大学,重庆400054
自回归小波神经网络非奇异终端滑模动力学模型轨迹跟踪
《空间控制技术与应用》 2024 (003)
P.68-76 / 9
国家自然科学基金资助项目(52177129);重庆市教委科学技术研究重点项目(KJZD-K201901102);重庆理工大学研究生创新项目(gzlcx20233091)。
评论