机械臂的自适应径向基函数神经网络双二次泛函最优控制
廖列法
杨翌虢
1.江西理工大学信息工程学院,江西赣州3410002.江西理工大学信息工程学院,江西赣州341000
摘要：针对非线性机械臂系统中难以权衡控制能量与控制误差比重的最优控制问题,本文提出一种基于自适应径向基函数(RBF)神经网络二阶段叠加优化的双二次泛函最优求解模型,实现在非线性机械臂控制系统中用不大的控制能量来保持较小的控制误差的综合最优控制.在本文所提模型中,首先设计一种线性误差函数,作用于非线性控制方程,并采用自适应RBF网络逼近非线性控制方程中存在的不确定项,构成闭环反馈系统,实现对非线性系统的最优控制;其次,将待求参数复合成双二次泛函的解域,并设计一种新型的类递归神经网络求解该带约束条件的双二次型模型,实现模型求解的快速收敛并得其解.通过理论分析及数值仿真实例验证了所提模型能有效提高非线性系统的控制精度、稳定性、鲁棒性及自适应性,从而实现非线性系统的综合最优控制.
关键词：自适应控制径向基函数网络最优泛函多关节机械臂
资助基金：国家自然科学基金(71462018)国家自然科学基金(71761018)
论文发表日期：2020-01-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 47-58 )
英文信息