基于模糊神经网络的机器人滑模自适应控制
林 雷1,任华彬1,王洪瑞2
(1•燕山大学电气工程学院,河北 秦皇岛066004; 2•河北大学电子信息工程学院,河北 保定071002)
摘 要:滑模控制(SMC)响应快,对系统参数和外部扰动呈不变性,可保证系统的渐近稳定性,但其缺点是控制存在很强的抖动;而模糊神经网络(FNN)具有模糊系统和神经网络共同的特点。将滑模控制和模糊神经网络控制有机结合,利用简单得到的学习信号对模糊神经网络进行在线学习,通过平滑切换函数实现直接自适应控制策略。对两连杆机械手的仿真研究表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能有效减小滑模控制的抖动问题。
关 键 词:机器人;滑模控制;模糊神经网络;直接自适应控制
中图分类号:TP 273 文献标识码:A
1 引 言
机器人系统是一个十分复杂的多输入多输出非线性系统,具有时变、强耦合和非线性动力学特性,其控制十分复杂。滑模控制因其在滑动模态对系统干扰和摄动具有完全适应性而得到控制界重视,并被广泛用于机器人控制中。SMC具有控制简单、易于实现、降阶、解耦等优点,其缺点是控制存在高频抖动,这种抖动可能会激励系统中存在的未建模高频成份,甚至会使系统不稳定。
模糊神经网络融合了模糊逻辑推理能力和神经网络学习能力,且物理意义清晰明了。
本文针对SMC的特点,把它和FNN有机结合,提出了一种带平滑切换的直接自适应方案,并用于机器人控制。仿真结果表明,此方案既能够达到高精度快速跟踪的目的,又可以克服一般滑模控制的抖动问题,对模型误差和外部扰动具有很强的鲁棒性。
2 机器人滑模控制
1)计算力矩控制[1] 对一个n关节机器人,其动力学方程为
可见,采用本文的直接自适应控制算法,不仅可以有效减小控制量的抖动,而且可以得到很好的渐近收敛的跟踪误差。
6 结 语
将滑模控制器和模糊神经网络控制器有机结合,提出一种直接自适应控制方法,并用于机器人控制。从仿真结果可以看出,本文所提出的控制方案与一般滑模控制相比,不仅能有效减小控制量的抖动,而且可以得到渐近收敛的跟踪误差。
|
