论文部分内容阅读
尽管滑模控制响应快,对系统参数和外部扰动呈不变性,但在保证系统的渐进稳定性上却存在很强的抖动缺点。因此,在一般滑模控制的基础上,引入了径向基函数神经网络(RBFNN)。利用滑模控制的特点设定目标函数,将切换函数作为RBFNN的输入,滑模控制量作为其输出。利用RBF神经网络的在线学习功能,消除了控制的抖动,同时使系统具有很强的鲁棒性。对两连杆机械手进行了仿真研究,其结果表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能消除滑模控制的抖动问题。