徐庆宏，黄家才，周　磊

(南京工程学院 自动化学院，南京　211167)



基于神经网络逆系统的机器人分数阶滑模控制*

徐庆宏，黄家才，周磊

(南京工程学院 自动化学院，南京211167)

摘要：为提高工业机器人的控制性能，提出了基于神经网络逆系统的分数阶滑模控制方法。首先，使用BP神经网络逼近机器人的逆系统，实现了工业机器人系统的近似解耦线性化；考虑到工业机器人存在的不确定性和BP神经网络的逼近误差，将神经网络逆与工业机器人组成的复合伪线性系统等效为含有扰动的线性系统；在此基础上，基于滑模控制和分数阶微积分理论设计了分数阶滑模控制器，证明了闭环系统的稳定性。针对二自由度机器人多种不同工况的仿真研究表明了所提方法的有效性。

关键词：工业机器人；神经网络；逆系统；分数阶；滑模控制

0引言

随着科学技术的发展和人力成本的提升，工业机器人已逐渐被广泛应用于汽车、船舶、冶金等制造业领域。实现工业机器人高性能动静态特性的关键在于设计性能良好的控制算法。目前常用的工业机器人控制方法有阻抗控制[1-2]、逆系统控制[3]、自适应控制[4]、PID控制等，但上述方法在实际使用中往往具有一定局限性，如阻抗控制的控制精度依赖于操作者对环境知识的精确了解；逆系统控制方法依赖被控系统模型；自适应控制存在计算量较大、对于快时变系统实时性难以满足的不足，PID控制器参数难以整定等。

由于神经网络对连续非线性函数具有良好的逼近性能，文献[5]将神经网络与逆系统方法结合提出神经网络逆控制方法，并应用于工业机器人的解耦控制，克服了传统控制方法对机器人精确模型的依赖，取得了良好的控制效果。……