科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决气动肌肉驱动的脚踝康复机器人实际控制中，无模型自适应迭代学习控制在系统噪声干扰下或初始拟伪偏导选择不当会导致算法收敛速度过慢、控制效果差的问题，提出一种基于高阶拟伪偏导整定的无模型迭代学习控制方法，并设计基于零化神经网络误差递归的迭代学习控制律．通过引入系统观测数据对初始拟伪偏导进行修正，减少拟伪偏导初始值的选取对于算法收敛速度的影响；通过设计抗噪声零化神经网络控制律，减小系统噪声对控制性能的影响，进而实现噪声环境下柔性康复机器人的高性能轨迹跟踪．仿真实验结果表明在噪声环境下能够利用较少的迭代轮次降低最大跟踪误差．机器人实际控制实验结果表明：该方法能够在7次迭代后使气动肌肉平均跟踪误差控制在2%以内，并且在不同初始拟伪偏导条件下均能获得较好的收敛性和轨迹跟踪性能．
- 单位
