从机器人输出反馈自适应神经控制中学习

被引：5

作者：

吴玉香

杨梅

王聪

机构：

[1] 华南理工大学自动化科学与工程学院

来源：

控制与决策 | 2012年 / 27卷 / 11期

关键词：

确定学习; RBF神经网络; 自适应神经控制; 高增益观测器; 机器人;

D O I：

10.13195/j.cd.2012.11.143.wuyx.026

中图分类号：

TP13 [自动控制理论]; TP242 [机器人];

学科分类号：

0711 ; 071102 ; 0811 ; 081101 ; 081103 ; 1111 ;

摘要：

针对系统参数完全未知且仅输出可测的机器人,使用径向基函数(RBF)神经网络和高增益观测器设计了一种自适应神经控制算法.该算法不仅实现了闭环系统所有信号的最终一致有界,而且沿周期跟踪轨迹实现了对未知闭环系统动态的确定学习.学过的知识可用来改进系统的控制性能,也可应用于后续相同或相似的控制任务以节约时间和能量.仿真研究表明了所设计的控制算法的正确性和有效性.

引用

页码：1740 / 1744+1750 +1750

页数：6

共 6 条

[1] 水下机器人的神经网络自适应控制 [J].