论文部分内容阅读
提出了一种新的不确定机器人跟踪控制策略.在计算力矩结构的基础上引入一个层叠小脑模型(CMAC)补偿控制项,利用层叠结构CMAC分层学习的特性调整网络泛化和逼近能力,并从理论上分析了网络的收敛性.为了确保系统误差一致最终有界收敛,分别设计了粗/细子网的权值更新律.最后,在网络学习稳定的基础上,采用自适应鲁棒项抵消网络最终学习误差.与传统计算力矩法相比,在不要求加速度测量和惯性矩阵求逆的情况下,算法给出清晰的跟踪误差收敛域.基于6自由度并联机器人的仿真实例验证了算法的有效性.