机械手的神经网络稳定自适应控制

【摘要】：基于神经网络的非线性系统稳定自适应控制近年来已引起了人们越来越多 的重视。这里典型的方法是将直接和间接的神经网络自适应控制与变结构方法结 合以得到改进的系统性能。然而目前这一领域的大多数研究是针对连续时间系 统，并且在基于神经网络的自适应控制方案中采用的变结构控制量是静态的。本 文提出了将神经网络控制方法和扇区变结构控制集成起来研究采样数据非线性 系统神经网络稳定自适应控制的新思想，系统研究了采样数据非线性系统的神经 网络稳定自适应控制器设计方法，并将其设计方法应用到刚性连杆和柔性连杆机 械手的神经自适应控制中，得到了一套在采样数据情形下机械手的神经网络稳定 自适应控制理论方法。在机械手关节角速度不可观测的情形下如何对动力学非线 性未知机械手进行神经自适应控制器设计，是机械手神经网络自适应控制中的新 问题。本文将机械手鲁棒控制和神经网络控制结合起来解决这一问题，得到了一 种机械手控制器一观测器设计的神经网络方法。 论文主要工作如下： (1）从神经网络方法与扇区变结构集成的观点出发，提出了采样数据非线性系统 的神经网络稳定自适应控制方法，给出了完整的系统控制结构和神经网络学 习算法。此外，为了反馈线性化，如何采用神经网络近似一般的控制器结构 u(x）＝D~(－1)(x）N(x)是众多神经自适应方法必须要考虑的问题，现有的解决方 法为保证系统的局部和全局稳定性都要求有一个附加条件。这里提出的解决 方法是用神经网络近似 D~(－1)（x）而不是 D（x),从而避免了许多复杂性。文中给 出了神经网络收敛性和系统全局稳定性的严格证明，并通过与基于静态变结 构的连续时间非线性系统神经网络稳定自适应控制方法的比较揭示了提出方 法的性能。 （2）将提出的采样数据非线性系统的神经网络稳定自适应控制方法推广到机械手 的轨迹跟随控制，得到了在采样数据情形下基于扇区变结构的机械手神经网 络间接自适应和直接自适应控制方法。与采样数据非线性系统的神经网络稳 定自适应控制方法不同的是，这里充分利用了机械手惯性矩阵的对称性，得 到的控制方法能够实现系统的精确解耦。 （3）将基于静态变结构的连续时间非线性系统神经网络稳定自适应控制方法推广 到机械手的运动控制，并对基于扇区变结构的机械手神经网络稳定自适应控 制方法与基于静态变结构的机械手神经网络稳定自适应控制方法进行了系统 的性能比较。 (4)给出了神经网络逼近误差界未知情形下，基于扇区变结构的机械手间接、直 接神经自适应控制的理论结果。 （5）提出了机械手关节角速度不可观测情形下，机械手控制器一观测器设计的神 经网络方法，这是机械手神经网络自适应控制中的新问题。本文采用将鲁棒 控制和神经网络控制相结合的思想，解诀了这一问题。在提出的控制方法中 采用一个线性观测器估计机械手的关节速度，神经网络用于逼近修正的机械 手动力学非线性，整个控制器只需一个神经网络，结构简单，同时，机械手 的动力学非线性假设是未知的。 （6）基于提出的柔性连杆机械手两时标离散时间建模和分解，给出了柔性连杆机 械手的多速率神经网络自适应控制方法，并通过仿真验证了提出方法的性能。