本文主要是对机械臂轨迹跟踪学习过程中的笔记，设计了一种基于RBF神经网络的滑模控制器对二自由度机械臂进行轨迹跟踪。其中，使用Lyapunov稳定性定理判断系统的稳定性和收敛性，然后通过MATLAB/Simulink仿真对所建立的模型进行验证。先对是否加入鲁棒项分别对机械臂的角度、速度和关节力矩进行跟踪对比，然后使用不同的滑模系数观察对系统的影响。仿真结果表明，加入鲁棒项后的控制器稳定速度更快，收敛效果更好；针对不同的滑模系数，滑模系数越小，收敛效果更好，稳定时间更快。但是滑模系数有一个临界值，而且，虽然滑模系数越小的效果更好，但是系统的响应时间也变得更慢。
2022-05-26 21:05:33
735KB
1
论文研究-塔式起重机的神经网络滑模防摆控制.pdf,
针对塔式起重机存在的负载摆动, 分析塔式起重机的动力学模型, 提出了一种基于遗传算法的塔式起重机神经网络滑模防摆控制新方法. 利用RBF神经网络输出逼近系统的不确定项, 并运用遗传算法优化滑模控制器的参数, 使得参数的收敛速度加快. 该方法削弱了滑模控制系统的高频抖振, 提高了系统的控制性能, 改善了系统的控制品质. 仿真结果表明方法的有效性和可行性.
2022-03-28 16:18:24
685KB
1
RBF神经网络滑模轨迹跟踪控制matlab仿真程序
(对象：二自由度机械臂)
(仿真平台：Matlab/simulink)
2021-06-28 21:03:32
323KB
针对模型未知的多机械臂系统，利用多个独立的 ＲＢＦ神经网络，对每个子机械臂系统进行逼近，基于图论原理定义了每个子系统之间的同步耦合关系，结合滑模控制方法设计出一种机械臂无模型自适应同步控制器。通过神经网络权值的不断在线迭代过程，随机械臂工作任务的变化可以实现对其动力学模型的实时逼近，摆 脱 了 数学模型的限制，扩大了控制器的应用范围，在初始误差较大的情况下也可以保证对期望轨迹实现快速跟踪，并且系统在载荷发生改变等不确定的情况下依然能够实现同步，提高了控制器的鲁棒性。最 后 通 过 Ｌｙａｐｕｎｏｖ稳 定 性 分析和 Ｍａｔｌａｂ仿真对所设计的同步控制器进行了验证
2021-03-22 09:08:41
1.45MB
1
针对机械臂轨迹跟踪控制中存在建模误差以及外界干扰造成的控制性能下降问题，提出一种改进的自适应神经滑模控制方法。分别选取状态反馈和改进的神经网络滑模方法来控制系统的确定部分和不确定部分。利用神经网络的非线性
映射能力自适应地学习系统不确定性的未知上界，其输出作为滑模控制器的动态补偿项，Ｌｙａｐｕｎｏｖ函数法推导得到神经网络权值更新律。为保证神经网络映射的有效性，提高收敛速度，采用遗传算法对神经网络结构参数进行优化。双关节机械臂系统的仿真结果表明了该方案的有效性。
2021-02-23 21:04:52
335KB
1