科研之友
微信
新浪微博
Facebook
分享链接
摘要
考虑模型不确定且存在外界干扰时六轴机械臂的轨迹跟踪控制问题，以快速、稳定地跟踪轨迹规划生成的各关节期望轨迹为控制目标，提出了一种基于机械臂动力学模型分块逼近的神经网络自适应终端滑模控制方法。为加快跟踪误差的收敛速度，避免传统终端滑模中存在的奇异值问题，采用了一种非奇异终端滑模面。针对系统模型不确定的情况，利用多组RBF神经网络分块逼近动力学模型参数，通过自适应律在线调整权值，实现模型的重构，并设计鲁棒项消除模型重构误差。在Simulink中开展仿真分析，结果表明：与RBF神经网络整体逼近算法相比，本文提出的控制策略可以使六轴机械臂的关节最大稳态误差减少83.7%;当末端加入时变的负载后，关节最大稳态误差减少了85.6%,具有抵抗末端负载变化的能力。本文为六轴机械臂提供了一种有效、可行的轨迹跟踪控制方法。
- 单位
