针对非完整移动机器人轨迹跟踪控制问题,提出一种基于Backstepping运动学控制器与双自适应神经滑模鲁棒动力学控制的混合鲁棒控制算法。利用两个带自适应调节算法的径向基神经网络(Radial basis function neural network,RBFNN)分别计...针对非完整移动机器人轨迹跟踪控制问题,提出一种基于Backstepping运动学控制器与双自适应神经滑模鲁棒动力学控制的混合鲁棒控制算法。利用两个带自适应调节算法的径向基神经网络(Radial basis function neural network,RBFNN)分别计算滑模的等效控制部分和调节滑模控制的增益,不但解决了移动机器人的参数与非参数不确定性问题,同时也消除了在滑模控制中的输入抖振现象。设计过程采用Lyapunov方法,保证了控制系统的稳定与收敛。仿真结果表明了该方法的有效性,且在多种不确定性存在的情况下,该方法能较好地消除非完整机器人的跟踪误差。展开更多
文摘针对非完整移动机器人轨迹跟踪控制问题,提出一种基于Backstepping运动学控制器与双自适应神经滑模鲁棒动力学控制的混合鲁棒控制算法。利用两个带自适应调节算法的径向基神经网络(Radial basis function neural network,RBFNN)分别计算滑模的等效控制部分和调节滑模控制的增益,不但解决了移动机器人的参数与非参数不确定性问题,同时也消除了在滑模控制中的输入抖振现象。设计过程采用Lyapunov方法,保证了控制系统的稳定与收敛。仿真结果表明了该方法的有效性,且在多种不确定性存在的情况下,该方法能较好地消除非完整机器人的跟踪误差。
