基于自回归小波神经网络的机械臂自适应滑模控制

作     者：杨佳 吴佩林 杨理 寇东山 余斌 YANG Jia;WU Peilin;YANG Li;KOU Dongshan;YU Bin

作者机构：重庆理工大学重庆400054 重庆市能源互联网工程技术研究中心重庆400054 

出 版 物：《空间控制技术与应用》 (Aerospace Control and Application)

年 卷 期：2024年第50卷第3期

页      面：68-76页

核心收录：

学科分类：08[工学] 080202[工学-机械电子工程] 081105[工学-导航、制导与控制] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(52177129) 重庆市教委科学技术研究重点项目(KJZD-K201901102) 重庆理工大学研究生创新项目(gzlcx20233091) 

主　　题：自回归小波神经网络 非奇异终端滑模 动力学模型 轨迹跟踪 

摘      要：针对机械臂存在模型不确定和未知扰动的问题,提出一种动力学模型参数分块逼近的神经网络非奇异终端滑模(nonsingular terminal sliding mode, NTSM)控制方法.为加快系统跟踪误差的收敛速度,避免传统终端滑模存在的奇异性问题,采用一种非奇异终端滑模面.利用多组自回归小波神经网络(self-recurrent wavelet neural network, SRWNN)分块逼近系统未知的动力学模型参数,并采用自适应更新律调整权重.通过积分控制项补偿SRWNN的逼近误差,并使用Lyapunov稳定性理论证明了系统稳定性.使用MATLAB进行仿真分析,分块SRWNN滑模控制与滑模控制、整体SRWNN滑模控制相比,关节角度跟踪误差的平均稳态误差分别降低了31.9%、76.5%,表明此方法是一种可靠、有效的轨迹跟踪控制方法.