李光，杨韵

（湖南工业大学机械工程学院，湖南株洲412007）

基于RBF神经网络的柔性机械臂位置控制

李光，杨韵

（湖南工业大学机械工程学院，湖南株洲412007）

针对复杂的柔性机械臂位置控制问题，提出一种结合极点配置技术的自适应滑模控制方法。变结构滑模应用于柔性臂的刚性运动和弹性振动抑制的控制，极点配置用以设置滑模面的极点，以获得良好的动态响应特性。利用RBF网络自适应性学习系统不确定量的上界，神经网络的输出用于自适应修正控制律的切换增益。实例仿真结果表明，该控制方法能在对机械臂位置控制的同时有效地抑制柔性臂的弹性振动，对不确定参数具有鲁棒性。

RBF网络；滑模控制；自适应；柔性机械臂；极点配置

0 引言

相对于传统的刚性机械臂，柔性机械臂具有轻质量、操作快速方便、低能耗、高运载能力等优点，已经成为机器人研究领域的热点。与刚性机械臂相比，柔性机械臂虽然没有高速运动时产生的巨大惯性力，但是在执行动作过程中产生的振动使得其建模与控制要比刚性臂复杂许多。因为在实现常规控制功能（如轨迹跟踪、位置调节控制）的同时还需要补偿重力造成的机械手末端位置偏差以及减小振动的幅值、持续时间[1]。

针对这样一个复杂的控制对象，学者们提出了多种控制策略，如线性反馈控制方法[2]、奇异点摄动控制方法[3]和基于模型的控制方法[4]等。以上方法对系统动力学模型的依赖程度较强，特别是在系统存在时变不确定项时，难以得到良好的控制效果。……