| 采用混合算法优化神经网络滑模控制的机器人跟踪误差 |
| |
| 引用本文： | 孙浩.采用混合算法优化神经网络滑模控制的机器人跟踪误差[J].湖南科技大学学报(自然科学版),2023,38(3):34-41. |
| |
| 作者姓名： | 孙浩 |
| |
| 作者单位： | 广西大学 商学院,广西 南宁530004;连云港职业技术学院,江苏 连云港 222069 |
| |
| 摘 要： | 为了避免机器人关节角位移受外界影响,提高运动轨迹的跟踪精度,采用混合算法优化神经网络滑模控制器,并对优化后的控制器进行仿真验证.建立机器人平面简图模型,利用拉格朗日定理推导出机器人关节运动方程式,采用神经网络算法构建RBF神经网络自适应滑模控制系统.为了增强控制系统的稳定性,削弱外界波形对机器人运动轨迹的干扰,利用粒子群算法和差分进化算法在线优化RBF神经网络滑模控制律参数,设计了改进RBF神经网络滑模可调参数的自适应控制律,保证机器人控制系统的稳定性.通过MATLAB软件进行仿真实验,并且与优化前机器人关节角位移输出误差形成对比.仿真结果显示:随着干扰波形幅度的增大,采用神经网络滑模控制器,机器人关节输出角位移误差逐渐增大,系统不稳定,而采用混合算法优化神经网络滑模控制器,系统反应速度较快,机器人关节输出角位移误差较小.机器人采用混合算法优化神经网络控制器,能够提高控制系统的抗干扰能力,稳定性较好、输出精度较高.
|
| 关 键 词： | 混合算法 机器人 神经网络 运动轨迹 仿真 |
|
| 点击此处可从《湖南科技大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南科技大学学报(自然科学版)》下载免费的PDF全文 |
|
