[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

说明书

技术领域

本发明属于机器人轨迹跟踪控制技术领域，涉及一种神经网络自适应鲁棒轨迹跟踪方法及控制器。

背景技术

当机器人的结构确定及参数已知时，可以通过动力学模型描述系统完整的动态特性，从而应用各种自动控制理论，设计基于模型的控制器，实现机器人的轨迹跟踪控制，使得机器人的位置、速度以及加速度等变量具有理想的跟踪状态。然而，机器人动力学实际上是具有高度非线性及不确定性的系统。因此对系统非线性不确定性的处理是机器人轨迹跟踪控制中非常关键的研究内容。

针对机器人具有建模误差、外部扰动以及负载变化等不确定性问题，主要有两种基本的解决方案，分别为自适应控制法和鲁棒控制法。自适应控制的最大优点是能够根据被控对象的参数变化以及实际输出情况进行辨识、学习，从而对控制律结构和参数做出调整，实现一定的控制性能指标。但这种在线辨识方式计算量庞大，实时性要求高，对于存在非参数不确定性的复杂系统，自适应控制不能保证系统的稳定性；鲁棒控制法则能以固定结构和参数的控制器，保证系统在不确定性破坏最严重时，仍能满足设计要求，保证系统的稳定性和动态性能。但其没有学习能力和适应能力，从而使得鲁棒控制并不能取得最佳的控制效果。

发明内容

本发明实施例提供一种神经网络自适应鲁棒轨迹跟踪方法及控制器，以解决现有的机器人轨迹跟踪控制技术的稳定性差及控制效果差的问题。

本发明的第一方面提供一种神经网络自适应鲁棒轨迹跟踪控制方法，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。

根据第一方面，在第一种可能的实现方式中，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

f(x)=M(q..d+Λe.)+C(q.d+Λe)+G]]>    (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

M(q)q..+C(q,q.)q.+G(q)=τ+d]]>