【技术实现步骤摘要】
本专利技术属于机器人，具体的说是一种基于级联神经网络的机械臂积分滑模控制方法。
技术介绍
1、机械臂通常执行的任务包括运动规划、轨迹跟踪等。这些任务需要机械臂控制器在可能的外部环境扰动、未知的模型不确定性以及传感器信息丢失的情况下保持卓越的动态行为。滑模控制由于其对外部扰动、不确定性具有较强的鲁棒性，且结构简单，实现方便，已经被广泛应用于机械臂控制领域。然而，在操作过程中，线性滑模控制会使得机械臂发生抖振现象，造成机械臂系统的不稳定。因此，积分滑模控制被提出来克服控制器状态切换造成的抖振现象。
2、在实践中，动态机器人系统的非线性通常是未知的或难以获得的。为了解决这个问题，已经开发了不同的方法以补偿未建模的不确定性。无模型自适应补偿控制已被广泛应用，如神经网络和模糊逻辑。虽然自适应控制器是针对非线性和不确定性动态系统的，但其缓慢收敛会导致性能退化，甚至影响运行安全。神经网络被用作函数逼近器可以放宽线性参数化假设和对系统知识的要求。在时间序列建模中，径向基神经网络(rbfnn)常用于函数逼近，因为它的值在无限空间中是不同于零的...
【技术保护点】
1.一种基于级联神经网络的机械臂积分滑模控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于级联神经网络的机械臂积分滑模控制方法，其特征在于，所述步骤一的具体方法如下：
3.根据权利要求1所述的一种基于级联神经网络的机械臂积分滑模控制方法，其特征在于，所述步骤二的具体方法如下：
4.根据权利要求1所述的一种基于级联神经网络的机械臂积分滑模控制方法，其特征在于，所述步骤三的具体方法如下：
5.根据权利要求1所述的一种基于级联神经网络的机械臂积分滑模控制方法，其特征在于，所述步骤四的具体方法如下：
【技术特征摘要】
1.一种基于级联神经网络的机械臂积分滑模控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于级联神经网络的机械臂积分滑模控制方法，其特征在于，所述步骤一的具体方法如下：
3.根据权利要求1所述的一种基于级联神经网络的机械臂积分滑模控制方法，...
【专利技术属性】
技术研发人员：李岩，卢曾鹏，苗立晓，石建军，冷俊，
申请(专利权)人：深圳市华成工业控制股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。