摘要
针对产生回归轨迹的连续非线性动态系统,确定学习可实现未知闭环系统动态的局部准确逼近.基于确定学习理论,本文使用径向基函数(Radial basis function,RBF)神经网络为机器人任务空间跟踪控制设计了一种新的自适应神经网络控制算法,不仅实现了闭环系统所有信号的最终一致有界,而且在稳定的控制过程中,沿着回归跟踪轨迹实现了部分神经网络权值收敛到最优值以及未知闭环系统动态的局部准确逼近.学过的知识以时不变且空间分布的方式表达、以常值神经网络权值的方式存储,可以用来改进系统的控制性能,也可以应用到后续相同或相似的控制任务中,节约时间和能量.最后,用仿真说明了所设计控制算法的正确性和有效性.
学科与关键词
关键词
确定学习径向基函数神经网络自适应神经网络控制机器人
- 基于神经网络的机械臂自适应输出反馈控制设计贾鹤鸣; 宋文龙; 郭少彬; 杨立新应用科学学报, 2013, (04): 427-433.
- Deterministic learning from neural control for uncertain nonlinear pure-feedback systems by output feedbackZhang, Fukai; Wang, Cong*INTERNATIONAL JOURNAL OF ROBUST AND NONLINEAR CONTROL, 2020, 30(7): 2701-2718.被引 5
- Dynamic Learning From Adaptive Neural Control for Discrete-Time Strict-Feedback SystemsWang, Min*; Shi, Haotian; Wang, Cong; Fu, JunIEEE Transactions on Neural Networks and Learning Systems, 2022, 33(8): 3700-3712.被引 24
