双体负压爬壁机器人神经网络非奇异滑模控制

针对自主研制的双体负压滚动吸附式爬壁机器人控制中存在模型参数不确定和外部干扰等问题,设计了一种径向基神经网络(RBFNN)结合改进趋近律的准滑动模态控制的自适应轨迹跟踪控制方法。在对双体负压爬壁机器人建立动力学模型的基础上,采用RBF神经网络逼近系统未知非线性动力学,消除外界未知干扰以及建模误差对系统的影响,实现了对双体负压爬壁机器人系统的精确控制。最后,将该控制方法应用于双体负压爬壁机器人进行实验验证,仿真结果和实验结果证明该方法在双体负压爬壁机器人轨迹跟踪中具有更快的收敛速度和削弱系统抖振的能力。