论文部分内容阅读
滑模控制响应快,对系统参数和外部扰动呈不变性,可保证系统的渐进稳定性,但它要求控制系统的不确定性的上界值必须已知。在实际中,不确定性的上界值是无法测量的,针对这个问题,采用RBF神经网络来对干扰的上界进行自适应学习,同时也降低了滑模产生的抖振现象。通过对单关节机器人的仿真研究表明:在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能削弱滑模控制的抖动问题。