[发明专利]基于确定学习理论的机械臂通用控制方法

权利要求书

1.一种基于确定学习理论的机械臂通用控制方法，其特征在于包括如下步骤：

(1)建立机械臂的动态模型：建立以机械臂关节角位移以及关节角速度作为状态变量的机械臂动态模型；

(2)建立期望的周期轨迹：建立期望的周期轨迹，使机械臂完成给定的周期工作，并以期望周期轨迹做为机械臂各个状态变量的跟踪信号；

(3)神经网络的学习：根据步骤(1)建立的机械臂动态模型和步骤(2)建立的期望周期轨迹采用RBF神经网络建立自适应神经网络控制器，根据李亚普诺夫稳定性理论调节RBF神经网络的权值，实现机械臂对期望周期轨迹的跟踪，以及RBF神经网络对机械臂闭环系统中未知动力学模型的局部逼近；

(4)建立常数神经网络：根据确定学习理论，沿机械臂系统轨迹的RBF神经网络的神经元满足持续激励条件，其权值收敛到最优值，取权值收敛后的一段时间内各权值的均值作为学习训练结果，并利用这些结果建立常数RBF神经网络；

(5)利用常数RBF神经网络完成控制任务：采用步骤(3)所述的自适应神经网络控制器，并用步骤(4)所述常数RBF神经网络来代替步骤(3)中自适应神经网络控制器中的RBF神经网络，实现机械臂对期望周期轨迹的跟踪控制，即完成给定的周期工作。

2.根据权利要求1所述的方法，其特征在于步骤(1)中所述模型包括具有强非线性耦合的机械臂动态模型，

机械臂动态模型为：

X·1=X2X·2=-M(q)-1(Vm(q,q·)q·+G(q)+F(q·))+M(q)-1τ]]>

其中，X₁＝q，，q＝[q₁，…，q_n]^T为关节角位移向量；为关节角速度向量；为摩擦项，τ为控制力矩，M(q)为惯性矩阵，为向心力矩阵，G(q)为

X·1d=X2dX·2d=fd(Xd)]]>

万有引力矢量；M(q)，，G(q)，均未知。