摘 要： 提出一種針對機器人跟蹤控制的神經網絡自適應滑模控制策略。該控制方案將神經網絡的非線性映射能力與滑模變結構和自適應控制相結合。對于機器人中不確定項，通過RBF網絡分別進行自適應補償，并通過滑模變結構控制器和自適應控制器消除逼近誤差。同時基于Lyapunov理論保證機器手軌跡跟蹤誤差漸進收斂于零。仿真結果表明了該方法的優越性和有效性。
關鍵詞： 不確定機器人；神經網絡；自適應控制
在機器人跟蹤控制研究中，由于在建模中存在誤差，機器人系統不可避免地存在不確定性。由于機器人中存在的非線性和不確定性，為了解決這些問題，一些變結構方案[1]、自適應方案[2]陸續提出。近些年來神經網絡在機器人智能控制中得到廣泛的應用，參考文獻[3]提出一種神經網絡自適應學習不確定系統，但方案只能保證系統的最終一致有界。參考文獻[4]提出一種神經網絡學習系統的不確定性，但需要機器人動力學的準確模型。
為了解決上述問題，本文提出一種新的神經網絡自適應滑模變結構控制器。對于機器人中不確定項，分別應用神經網絡進行自適應學習各種非線性，逼近誤差通過變結構和自適應控制消除。這種控制器能在控制初期加快跟蹤速度，且有很好的魯棒性。
1 問題的提出
考慮n關節機器人的動力學方程[5，8]為：
本文提出對于不確定項，利用RBF網絡進行分別逼近，并與滑模變結構和自適應控制相結合的控制策略，并構建Lyapunov函數，驗證了系統對軌跡進行跟蹤的穩定性。利用滑模變結構和自適應控制方案補償神經網絡的逼近誤差，比常規神經網絡具有更好的動態特性和魯棒性。
參考文獻
[1] DOULGERI Z. Sliding regime of a nonlinear robust controller for robot manipulators[J]. IEE Proceedings Control Theory and Application， 1999，146（6）：493-498.
[2] COLBAUGH R， GLASS K. Adaptive tracking control of rigid manipulators using only position measurements[J].Journal of Robot and System， 1997，14（1）：9-26.
[3] KIM Y H， LEWIS F L. Neural network output feedback control of robot manipulator[J]. IEEE Transactions on Robotics and Automation， 1999，15（2）：301-309.
[4] CILIZ M K. Adaptive control of robot manipulators with neural network based compensation of frictional uncertainties[J]. Robotica， 2005， 23：159–167.
[5] 張文輝，齊乃明.自適應神經變結構的機器人軌跡跟蹤控制[J].控制與決策，2011，26（4）：597-601.
[6] SUN T， Pei Hailong. Neural network-based sliding mode adaptive control for robot manipulators[J]. Neurocomputing，2011，74：2377-2384.
[7] LU Y， Liu J K. Actuator nonlinearities compensation using RBF neural networks in robot control system[C]. IMACS Multiconference on Computational Engineering in Systems Application， 2006.
[8] 牛玉剛，楊成梧.基于神經網絡的不確定機器人自適應滑模控制[J].控制與決策，2001，16（1）：79-83.