提出了一种新的小脑模(Cerebellar Model Articulation Controller,CMAC)神经网络标称补偿控制器.采用二阶扩展B样条CMAC网络平滑逼近机器人标称模型,消除了常规神经网络控制对输入的严格假设.为了确保系统闭环的全局稳定性,采用Lyapuno...提出了一种新的小脑模(Cerebellar Model Articulation Controller,CMAC)神经网络标称补偿控制器.采用二阶扩展B样条CMAC网络平滑逼近机器人标称模型,消除了常规神经网络控制对输入的严格假设.为了确保系统闭环的全局稳定性,采用Lyapunov直接法设计网络权值的更新律,并引入非线性反馈项完全抵消补偿的残留项.未知的CMAC逼近误差和系统随机干扰,通过一个简洁的鲁棒自适应律估计.最后,针对两自由度机器人的仿真实例验证了所提算法的有效性.展开更多
文摘提出了一种新的小脑模(Cerebellar Model Articulation Controller,CMAC)神经网络标称补偿控制器.采用二阶扩展B样条CMAC网络平滑逼近机器人标称模型,消除了常规神经网络控制对输入的严格假设.为了确保系统闭环的全局稳定性,采用Lyapunov直接法设计网络权值的更新律,并引入非线性反馈项完全抵消补偿的残留项.未知的CMAC逼近误差和系统随机干扰,通过一个简洁的鲁棒自适应律估计.最后,针对两自由度机器人的仿真实例验证了所提算法的有效性.
