摘要:
针对机器人关节控制输入受限以及动力学模型中存在非线性摩擦、柔性变形和未知外部干扰力矩等问题，提出了一种基于径向基函数（radial basis function, RBF）神经网络的输入饱和指令滤波自适应控制方法。基于指令滤波反步法，采用饱和函数约束控制输入的幅值，使用RBF神经网络在线逼近未知干扰，并利用Lyapunov稳定性理论证明了闭环系统的所有误差最终一致有界。仿真结果表明，控制算法不仅使系统的控制输入幅值被严格约束在规定的范围之内，完成了对目标轨迹的高精度跟踪（跟踪误差约为±0.003 rad），而且还可抵抗外部阶跃干扰力矩和建模误差对控制系统的不良影响，保证系统的高精度与强鲁棒性，性能优于PID （propotional integral derivative）控制和普通指令滤波反步控制（command filter backstepping control, CFBC），对机器人关节在高精度领域应用与智能控制具有重要价值。
