层叠CMAS补偿的并联机器人变结构控制研究

针对复杂机器人系统的不确定性，提出一种层叠小脑模型关节控制器（CMAC）神经网络同滑模变结构相结合 的控制策略。首先利用改进CMAC学习机器人系统的不确定信息，并作为前馈补偿来确保跟踪误差的快速收敛，再通过滑模变结构控制器消除CMAC网络的逼近误差和不可重复随机干扰的影响。采用Lyapunov直接法进行控制律选取，分析表明系统可实现全局渐近稳定。在6－6并联机器人的轨线跟踪仿真试验中显示了良好的鲁棒性和精确性。