关键词：机械臂;轨迹跟踪;自适应RBF神经网络;模糊补偿;积分滑模
摘 要：针对机械臂动力学模型参数具有不确定性，系统控制精度和收敛速度受到关节摩擦和外部干扰影响的问题，提出一种基于机械臂动力学模型的复合控制策略。结合改进型双幂次趋近律和积分滑模设计滑模控制项，加快跟踪误差的收敛速度；通过3组RBF神经网络分别逼近动力学模型的不确定参数，引入自适应机制对权值进行在线的自适应整定，并采用前述设计的滑模控制项补偿RBF神经网络的逼近误差；利用模糊控制器对关节摩擦和外部干扰进行补偿。仿真结果表明，与基于分块RBF神经网络逼近滑模控制算法相比，所提出的复合控制策略使机械臂关节角速度响应时间缩减39.4%,最大稳态误差缩减76.8%,平均稳态误差缩减62.7%,机械臂关节空间轨迹跟踪的控制精度和响应速度得到显著提高。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取