一种机械臂分散化神经鲁棒控制的轨迹跟踪算法制造技术

本发明专利技术公开了一种机械臂分散化神经鲁棒控制的轨迹跟踪算法，按照算法流程依次包括构建高阶递归神经网络模型、RHONN模型估计非线性系统、估计模型中未知权重系数、设计分散化鲁棒神经控制器和稳定性证明，本发明专利技术目的在于设计消除扰动的神经控制器，提高机械臂轨迹跟踪精度。

A trajectory tracking algorithm for decentralized robust neural control of Robot Manipulators

The invention discloses a decentralized robust control manipulator neural trajectory tracking algorithm, according to the algorithm process comprises the construction of high order recurrent neural network model and RHONN model to estimate the nonlinear system, estimation of unknown weight coefficient and the design of decentralized robust neural controller and prove the stability, the aim of the invention is to eliminate the disturbance of the neural controller design to improve the tracking accuracy of manipulator trajectory.

【技术实现步骤摘要】
一种机械臂分散化神经鲁棒控制的轨迹跟踪算法
本专利技术属于机器人的
，具体为一种机械臂分散化神经鲁棒控制的轨迹跟踪算法。
技术介绍
随着机器人行业的迅速发展，对机器人工作指标的要求也越来越高，因此机械臂的轨迹跟踪精度也越发重要。目前常用的机器人机械臂控制方法主要有PID控制，虽然该控制方法简单易于实现，但是往往需要很大的控制能量，而且不能够保证机器人具有良好的静态以及动态性能；自适应鲁棒控制，其缺点是在线辨识参数需要的庞大计算，对实时性要求严格，特别是存在非参数不确定时，自适应控制很难保证系统稳定性；神经网络控制和模糊控制，由于机器人的动力学模型的非线性，模型参数往往很难精确获取，这使得机械臂的轨迹跟踪精度在一定程度上受到影响，神经网络模糊控制具有高度的非线性逼近能力，可以对机器人手臂动力学方程中未知部分在线精确逼近，实现机器人的高精度跟踪，然而神经网络控制往往需要较大的训练量，这就大大增加了计算量。近些年在神经网络控制方面主要采用RBF网络对机器人的动力学模型逼近，考虑到机器人的机械臂是由各个关节互连起来的工作系统，关节之间的输入输出关系是相互作用的，可以采用递归神经网络模型本文档来自技高网...

【技术保护点】
一种机械臂分散化神经鲁棒控制的轨迹跟踪算法，其特征在于，按照算法流程依次包括构建高阶递归神经网络模型、RHONN模型估计非线性系统、估计模型中未知权重系数、设计分散化鲁棒神经控制器和稳定性证明，其中：①、构建高阶递归神经网络模型：输入机械手动力学模型，根据机械手动力学模型设计高阶递归神经网络模型，高阶递归神经网络模型过程是由连续时间的微分方程或者离散时间的差分方程描述的，每个神经元的状态由相应的微分方程表示：

【技术特征摘要】
1.一种机械臂分散化神经鲁棒控制的轨迹跟踪算法，其特征在于，按照算法流程依次包括构建高阶递归神经网络模型、RHONN模型估计非线性系统、估计模型中未知权重系数、设计分散化鲁棒神经控制器和稳定性证明，其中：①、构建高阶递归神经网络模型：输入机械手动力学模型，根据机械手动力学模型设计高阶递归神经网络模型，高阶递归神经网络模型过程是由连续时间的微分方程或者离散时间的差分方程描述的，每个神经元的状态由相应的微分方程表示：②、高阶递归神经网络模型对非线性系统估计：RHONN模型用于估计一般的非线性动力学系统，设定一个非线性系统的输入与输出关系如下：式中ui是系统的输入，代表系统的状态，F(.)是用于描述输入与输出关系的函数，F(.)是连续的且满足局部Lipschitz条件，则上述公式存在一定时间范围存在特解,在系统与足够的高阶网络连接的情况下，用RHONN模型近似的逼近任何非线性动力系统；③、估计模型中未知权重系数：虑错训练算法估计未知权重系数；④、设计分散化鲁棒神经控制器：本分散化神经鲁棒轨迹跟踪算法是以二自由度机器人手臂为控制对象，对于每个关节设计RHONN模型状态方程，通过虑错训练算法以及自适应调节律估计状态方程的未知权重系数，控制律中需要添加鲁棒项，再利用反演的方法逐步递推控制器的设计；关节1的RHONN模型识别方程：关节2的RHONN模型识别方程：第i个关节模型的角位置识别误差定义为：角速度的识别误差为：

【专利技术属性】
技术研发人员：胡海兵，杨建德，崔世林，张结文，段敬杰，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34