(完整版)机器人神经网络控制汇总,推荐文档

第一部分 机器人手臂的自适应神经网络控制

机器人是一具有高度非线性和不确定性的复杂系统，近年来各研究单位对机器人智能控制的研究非常热门，并已取得相当丰富的成果。

机器人轨迹跟踪控制系统的主要目的是通过给定各关节的驱动力矩，使得机器人的位置、速度等状态变量跟踪给定的理想轨迹。与一般的机械系统一样，当机器人的结构及其机械参数确定后，其动态特性将由动力学方程即数学模型来描述。因此，可采用经典控制理论的设计方法——基于数学模型的方法设计机器人控制器。但是在实际工程中，由于机器人模型的不确定性，使得研究工作者很难得到机器人精确的数学模型。

采用自适应神经网络，可实现对机器人动力学方程中未知部分的精确逼近，从而实现无需建模的控制。下面将讨论如何利用自适应神经网络和李雅普诺夫（Lyapunov ）方法设计机器人手臂跟踪控制的问题。

1、控制对象描述：

选二关节机器人力臂系统（图1）

，其动力学模型为：

图1 二关节机器人力臂系统物理模型

（1）()()()()d ++++=M q q V q,q q G q F q ττ 其中

，123223223222cos cos ()cos p p p q p p q p p q p +++??=??+??M q 3223122312sin ()sin (,)sin 0p q q p q q q p q q --+??=????

V q q