论文部分内容阅读
对具有不确定性因素的电机驱动刚性机械臂控制, 提出了一种基于神经网络的鲁棒控制器. 控制器的设计采用Backstepping法, 神经网络用于识别系统中一些包含不确定因素的复杂的非线性项, 并且使系统的在线学习成为可能. 给出的网络权值演化算法可保证系统的跟踪误差和网络权值的一致终值有界(UUB). 数值仿真结果亦表明该控制器具有良好的鲁棒性和控制精度.