刘凌，李志成，张莹

(1.西安交通大学电力设备电气绝缘国家重点实验室，710049，西安；2.西安交通大学电气工程学院，710049，西安)

随着机械臂系统在生产生活中的应用范围越来越广,机械臂系统的控制精度和控制稳定性要求也越来越高。目前机械臂已经广泛地应用在机械制造[1]、交通运输[2]、农业生产[3]、航空航天[4]、医疗卫生[5]等领域。由于机械臂要完成的任务很复杂,所以单关节机械臂难以实现这些操作,很多操作是需要多关节机械臂来完成的。多关节机械臂是一个非线性,强耦合的系统[6],机械臂控制问题的目标是将机械臂的终端稳定、准确地控制到其期望的位置,由于其运行时工作环境的变化而受到外界不确定因素的扰动以及负载的变化,都会加大机械臂控制的难度。

近年来国内外众多学者在机械臂的控制方面做了很多研究。在机器人机械臂控制算法上有滑模控制[7-9]、自适应控制[10-12]、PID控制[13-14]、神经网络控制[15-17]等。由于神经网络有很好的非线性逼近能力,而且神经网络控制所需条件较少,所以神经网络在机器人控制方面应用很广泛。运用RBF神经网络控制有达到稳定所需时间较长,运行初始阶段误差较大等缺点。很多学者对这些情况进行了优化。文献[18]采用了RBF神经网络估计器和观测器对系统的不确定性进行估计,从而达到对神经网络权值进行更新的目的,提高了对机械臂动力学不确定部分的补偿作用。文献[19]设计了新型鲁棒项来调节神经网络的权值并补偿控制过程中的未知项,改善了神经网络对系统结构发生变化时对未知部分的补偿效果。……