[发明专利]一种神经网络自适应鲁棒轨迹跟踪方法及控制器

权利要求书

1.一种神经网络自适应鲁棒轨迹跟踪控制方法，其特征在于，包括：

获得比例微分控制器PD控制器，根据获得的PD控制器获得轨迹跟踪系统的标称部分；

基于径向基函数神经网络获得所述轨迹跟踪系统的不确定项；

获得自适应鲁棒控制器，通过所述自适应鲁棒控制器调整所述轨迹跟踪系统的不确定项的不确定上界值；

根据所述标称部分、所述不确定项及所述不确定项的不确定上界值，获得总控制输入，根据所述总控制输入获得实际输出轨迹。

2.根据权利要求1所述的方法，其特征在于，所述基于径向基函数神经网络获得所述轨迹跟踪系统的不确定项包括：

所述轨迹跟踪系统的不确定项如公式1，

    (公式1)

其中，所述轨迹跟踪系统为n自由度刚性连杆不确定机器人系统的动力学模型，即

其中，q,和分别为机器人各个关节的位置、速度、加速度矢量，M(q)∈R^n×n为正定对称的惯量矩阵，为哥氏力和离心力矢量，G(q)∈Rⁿ表示重力矢量，τ为各关节的控制输入力矩，d为外部扰动项；f(x)的估计如公式2，

              (公式2)

其中，为神经网络权值矩阵,φ(x)是神经网络的偏置函数。

3.根据权利要求1所述的方法，其特征在于，所述获得自适应鲁棒控制器，通过所述自适应鲁棒控制器调整所述轨迹跟踪系统的不确定项，包括：

鲁棒控制器如公式3，

         (公式3)

其中，ε₀是一个很小的正常数，β定义如公式4，

β＝Sμ           (公式4)

其中，S＝max(1,||e||,||e||²)，μ表示不确定的上界值，

          (公式5)

其中，γ是正定常数矩阵，

自适应鲁棒控制器τ_r可以描述为公式6。

        (公式6) 。

4.根据权利要求1所述的方法，其特征在于，所述根据所述标称部分、所述不确定项及所述不确定项的不确定上界值，获得控制输入力矩，根据所述控制输入力矩获得实际输出轨迹包括：

控制输入力矩如公式7，

                (公式7)

其中，为PD控制器，是用于辨识模型不确定项，即神经网络逼近的部分,W^*是神经网络的最优权值也就是理想权值，是W^*的估计值；

神经网络权值调节律如公式8，

            (公式8)

其中，||·||代表向量的Euclidean范数，η为正定常数矩阵。

5.一种轨迹跟踪控制器，其特征在于，包括：

PD控制器，用于获得轨迹跟踪系统的标称部分；

径向基函数神经网络，用于获得所述轨迹跟踪系统的不确定项；

自适应鲁棒控制器，用于调整所述轨迹跟踪系统的不确定项；

输出单元，根据所述标称部分、所述不确定项及所述不确定项的不确定上界值，获得总控制输入，根据所述总控制输入获得实际输出轨迹。

6.根据权利要求5所述的轨迹跟踪控制器，其特征在于，所述基于径向基函数神经网络获得所述轨迹跟踪系统的不确定项包括：

所述轨迹跟踪系统的不确定项如公式9，

    (公式9)

其中，所述轨迹跟踪系统为n自由度刚性连杆不确定机器人系统的动力学 模型，即

其中，q,和分别为机器人各个关节的位置、速度、加速度矢量，M(q)∈R^n×n为正定对称的惯量矩阵，为哥氏力和离心力矢量，G(q)∈Rⁿ表示重力矢量，τ为各关节的控制输入力矩，d为外部扰动项；f(x)的估计如公式10，

           (公式10)

其中，为神经网络权值矩阵,φ(x)是神经网络的偏置函数。