中文字数:2860, 英文字数:1533
题目：机械手的神经网络稳定自适应控制
非线性系统的神经网络稳定自适应控制近年来已引起了人们越来越多的重视。典型的方法是将直接和间接的神经网络自适应控制与变结构方法结合以改进系统的性能。然而,目前这一领域的研究大多是针对连续时间系统,并且在神经网络稳定自适应控制方案中变结构控制的控制量是静态的，即它是与系统跟随误差度量（在变结构控制理论中经常称之为开关函数）有关的开关型控制量，或者饱和型控制量。本文提出了扇区神经变结构控制的设计思想，给出了扇区神经变结构控制的具体形式。有别于传统的变结构控制，扇区神经变结构控制是神经网络基函数与系统状态误差的有机调制；它能随着系统跟随误差度量向开关流形的趋近，动态地调整控制量的大小以有效地补偿系统的动力学不确定性，加速神经网络权值的收敛速度，提高系统的稳定性并改进系统的动态性能，达到改进系统稳定性和控制性能的和谐统一。本文基于扇区神经变结构控制的设计思想，系统研究了采样数据非线性系统的神经网络稳定自适应控制器设计方法；并将此设计方法推广到刚性连杆和柔性连杆机械手的神经网络自适应控制中，得到了一套在采样数据情形下，机械手的神经网络稳定自适应控制理论方法。在机械手关节角速度不可观测和动力学非线性未知情形下，如何设计机械手的神经网络自适应控制器，是机械手神经网络自适应控制中的新问题。本文将机械手鲁棒控制和神经网络控制结合起来解决这一问题。在提出的设计方案中，鲁棒控制方法用于控制机械手的关节角在期望轨迹的邻域稳定地运动，而神经网络自适应方法则用于补偿修正的机械手动力学非线性函数，提高系统的跟随性能。
