基于函数滑模控制器的机械手轨迹跟踪控制
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于函数滑模控制器的机械手轨迹跟踪控制范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：提出一种基于函数滑模控制器（FSMC）的控制策略，用于不确定机械手的轨迹跟踪控制。首先，由动力学模型和滑模函数得到系统的不确定项；然后，利用RBF神经网络逼近系统不确定项，由于神经网络逼近存在误差，而且在初始阶段误差较大，设计函数滑模控制器和鲁棒补偿项对神经网络逼近误差进行补偿，以克服普通滑模控制器容易引起的抖振问题，同时提高系统的跟踪控制性能 于李亚普诺夫理论证明了闭环系统的全局稳定性，仿真实验也验证了方法的有效性。
关键词： 机械手； 函数滑模； 神经网络； 轨迹跟踪； 滑模控制
中图分类号： TP242 文献标志码： A
0引言
近年来，关于机械手轨迹跟踪控制的问题已经取得了很多研究成果[1-3]，由于机械手是包含非线性、强耦合和不确定性的复杂系统，对它的精确控制一直是控制领域研究的热点和难点，其中滑模控制方法已经被广泛地使用。该方法通过控制器本身的变化，迫使系统在一定特性下沿规定的状态轨迹作小幅度、高频率的滑模运动，具有对参数变化及未知扰动不敏感、响应快速、无需系统在线辨识等优点[4]。文献[5]提出了使用径向基核函数（RadialBasisFunction，RBF）神经网络作为逼近机械手控制系统中不确定性的方法，通过与滑模控制器相结合，达到了较好的控制效果，但是在设计滑模控制器时没有考虑抖振消除问题，控制系统的整体性能受到影响，同时限制了在实际系统中的应用。
函数滑模控制[6]是将普通滑模控制器与时变函数结合的控制器设计方法，时变函数可以根据系统结构特性和控制器设计要求进行灵活设计。因此，当时变函数设计合理时，函数滑模控制能够克服普通滑模控制器的固有缺点，同时提高控制系统整体性能。
本文提出基于函数滑模的机械手轨迹跟踪控制方法，根据神经网络对系统不确定项的逼近程度设计时变函数。函数滑模控制器能够补偿神经网络对系统不确定性的逼近误差，克服普通滑模控制器容易给系统造成的抖振问题，同时提高控制系统动态性能。本文控制器设计方法具有很大的灵活性，结构简单易于实现，工程应用性较强，对滑模控制在实际系统中的应用具有一定的借鉴意义。
1系统描述
多关节机械手可以看作刚性连杆机构[7]。轨迹跟踪控制问题描述为：给定机械手各关节期望的角度轨迹，设计控制器并得到控制力矩，使机械手在一定的初始状态下满足设定的跟踪条件，达到轨迹跟踪的目的[8]。
4结语
针对不确定机械手轨迹跟踪控制问题，本文提出了基于函数滑模的轨迹跟踪控制方法，达到了较好效果。利用RBF神经网络逼近系统非线性不确定项，神经网络权值的自适应律基于李亚普诺夫函数法确定。所设计的函数滑模控制器能够根据神经网络对系统不确定项的逼近情况动态地改变控制律，在神经网络逼近误差较大时增大滑模控制律，在逼近误差降低时减小滑模控制律，保证控制系统良好动态性能，同时克服了滑模控制器容易带来的抖振问题。仿真实验把普通滑模控制器和函数滑模控制器进行了对比，证明了提出方案的有效性。本文控制器设计方法具有很大的灵活性，可以应用到不同的实际控制系统，尤其对滑模控制在机械手控制系统中的应用具有一定的借鉴意义。
参考文献：
[1]XUC.Researchonintelligentbacksteppingslidingmodecontrolofnonlinearrobot[D].Quanzhou：HuaqiaoUniversity，2012：2-5.
[2]LIUJ.RobotcontrolsystemdesignandMatlabsimulation[M].Beijing：TsinghuaUniversityPress，2008：1-2.
[3]CHENL，CHENW，WANGH.Improvedneuralvariablestructurecontrolofrobotmanipulators[J].SystemEngineeringandElectronics，2006，28（3）：429-430，443.
[4]HUJ，ZHUANGK.Advancedvariablestructurecontroltheoryandapplication[M].Xian：NorthwesternPolytechnicalUniversityPress，2008：1-12.
[5]LEEMJ，CHOIYK.AnadaptiveneuralcontrollerusingRBFNforrobotmanipulators[J].IEEETransactionsonIndustrialElectronics，2004，51（3）：711-717.
[6]GEB，LINF，LIG.Advancedcontroltheoryandapplication[M].Beijing：ChinaMachinePress，2007：183-184.
[7]TANM，XUD，HOUZ，etal.Advancedrobotcontrol[M].Beijing：HigherEducationPress，2007：39-40.
[8]LIG，CHENZ.Indirectadaptiverobustpredictivecontrolofmanipulatorsbasedonuncertaintiesapproach[J].JournalofComputerApplications，2012，32（6）：1707-1712，1740.[9]GEW.Researchonadaptivetrackingcontrolofuncertainrobotsystems[D].Yangzhou：YangzhouUniversity，2011：27.
[10]XUL.Neuralnetworkcontrol[M].Beijing：ElectronicIndustryPress，2003：25-27.
[11]LIP.Researchandapplicationoftraditionalandhigherorderslidingmodecontrol[D].Changsha：NationalUniversityofDefenseTechnology，2011：3-10.
[12]XIAY，FUM，DENGZ，etal.Recentdevelopmentsinslidingmodecontrolandactivedisturbancerejectioncontrol[J].ControlTheory&Applications，2013，30（2）：137-147.
[13]SUNTR，PEIHL，PANYP，etal.Neuralnetworkbasedslidingmodeadaptivecontrolforrobotmanipulators[J].Neurocompulating，2011，74（14/15）：2377-2384.
[14]ZHANGW.Researchonneuralnetworktrajectorytrackingcontrolofspacerobotandmicrogravitysimulationmethod[D].Harbin：HarbinInstituteofTechnology，2011：47.
[15]HEY，YANM.Nonlinearcontroltheoryandapplication[M].Xian：XidianUniversityPress，2007：74.