基于RBF增益调节的机器人滑模控制策略

摘要

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,但其缺点是控制存在很强的抖动.在一般滑模控制的基础上引入径向基函数神经网络(RBFNN),利用滑模控制的特点设定目标函数,将切换函数作为RBFNN 的输入,切换项增益K的绝对值作为其输出.利用RBF神经网络的在线学习功能,消除了控制的抖动,同时使系统具有很强的鲁棒性.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,该方案能大大降低抖振现象.