基于极局部模型的机械臂自适应滑模控制

针对多自由度机械臂在实现轨迹跟踪控制时过于依赖机械臂的精确数学模型和跟踪精度低等问题,提出了一种将自适应神经网络、极局部模型与积分型终端滑模相结合的控制方法。该方法使用一种基于时延估计的极局部模型来近似机械臂的动力学模型,利用自适应神经网络的非线性逼近性能,补偿时延估计产生的误差;对极局部模型设计积分型滑模控制器提高系统的收敛速度和控制精度,实现不依靠动力学模型的机械臂高精度轨迹跟踪。通过李雅普诺夫理论证明系统的稳定性和有限时间收敛性。最后通过实验,验证了该控制方法可以在完全不依赖模型信息的前提下实现机械臂的高速度和高精度跟踪控制。