黄华

武汉铁路职业技术学院 湖北 武汉 430205

引言

柔性机械臂有耗能少、质量轻、速度快、接触冲击小等特点，应用范围广，因此大量学者将其当作研究对象。大量学者将各种控制理论用于柔性机械臂的控制。柔性机械臂本质上，是一个无穷为分布参数系统，存在非最小相位特性以及臂杆弹性振动等问题[1]。对于柔性机械臂的动力学方程，存在建模困难，测量不精确，负载非线性变化，外部干扰随机性大。

反演控制方法是核心思想是通过将复杂的非线性系统分解成多个低于原系统阶次的子系统，然后对每个子系统设计李雅普诺夫函数以及中间虚拟控制项，使得每个子系统需要依赖下一个子系统的虚拟控制项来达到稳定状态，并依次还原整个系统直到设计出最后一个子系统的控制器。但是传统的反演控制方法存在系统方程微分项膨胀的问题，每个步骤中都需虚拟控制项求导，当系统阶次较高时，虚拟控制项的高阶微分表达式无法精确得到，因此对该变量的反复求导将会提高后续步骤中控制器设计难度，这类情况经常发生在以反演控制设计为框架的自适应神经网络控制器设计当中[2]。本文将神经网络用于柔性机械臂反演控制过程中，能够实现控制无须建模的柔性机械臂反演控制，控制对象含有模型信息部分的函数逼近[3]。

1 柔性机械臂动力学模型

柔性机械臂实质上其特点有强耦合性、非线性系统、时变、多输入多输出。……