基于模糊RBF神经网络自学习的不确定机器人模糊自适应控制

针对机器人系统的不确定、非线性特点,设计了模糊RBF神经网络控制器学习机器人系统的不确定性上界,并利用模糊推理机产生的分目标学习误差进行训练,避免了采用系统直接输出反馈误差进行训练所存在的权值饱和与过调整问题.此外,在反馈回路还设计了固定比例增益控制器FC,起着监督的作用,对系统实施渐近稳定的控制.仿真结果表明这种控制方案实现了对机器人系统的高精度控制。