张润梅，夏 旭，袁 彬，董必春，姜怀震，李佳祥

(1.安徽建筑大学 机械与电气工程学院， 合肥 230601； 2.工程机械智能制造安徽省重点实验室， 合肥 230601)

1 引言

近年来，随着现代化工业的快速发展，机械臂被广泛应用在众多领域中。在机械臂日常应用的场景中，往往需要高精度的轨迹跟踪控制。但由于机械臂动力学模型存在建模误差等许多不确定因素，难以建立精确的数学模型，不满足机械臂的精确控制的要求。针对上述问题，许多学者已经提出了先进控制方法，如PID控制[1-2]，自适应控制[3-4]，模糊控制[5-6]以及滑模控制[7-8]等方法。在众多控制方法中，由于滑模控制对模型不确定性、未知干扰和参数变化具有强鲁棒性，因此被广泛应用于机械臂的轨迹跟踪领域。然而当系统状态到达滑模面时，滑模控制方法就会表现出高频振荡，称为抖振。抖振的存在对控制系统具有负面影响，不仅会影响机器的使用寿命，还会影响轨迹跟踪精度问题。针对机械臂抖振问题，许多方法可以用来削弱抖振，在一阶滑模控制中，抖振可以通过饱和函数或双曲正弦函数替换符号函数[9-10]，但跟踪精度和鲁棒性也会随之下降。同时，采用线性滑模面会有响应速度慢，后期输出力矩有较大波动等问题。为此，张瑞民等[11]提出了一种自适应高阶滑模控制方法，提高了机械臂控制系统的收敛速度，削弱了系统中后期输出力矩的抖振。在高阶滑模控制中，建模误差和摩擦的存在会产生抖振，由于RBF神经网络能很好地逼近非线性函数，有学者提出采用神经网络来进行优化。……