基于改进神经网络的不确定性机器人自适应阻抗控制

摘要

本文提出一种以位置控制为基础的阻抗挖掘结构,其特点是使传统阻抗控制结构更加明了,清晰.我们采用神经网络对机器人的不确定性进行集中补偿,其中自适应遗传算法调整神经网络的权值系数,增强了神经网络的学习能力,在控制精度、鲁棒性和动态特性方面,都可得到改善.计算机仿真结果表明这种控制设计方案具有很好的动态特性.