基于混合优化神经网络的机器人力／位置控制.pdfVIP

维普资讯 第 l0卷 第 2期 电 机 与 控 制 学 报 VoL10 No．2 2006年3月 ELECTRIC MACHINES AND CONTROL March2o06 基于混合优化神经网络的机器人力／位置控制 魏立新， 李二超， 王洪瑞 (燕山大学 电气工程学院，河北 秦皇岛066oo4) 摘 要：针对机器人在参数变化和外界工作环境的刚度变化时，系统的控制质量会因常规PID控 制器没有 自适应能力而明显变差，甚至无法工作，提出了一种具有混合 H：／H 性能指标的CMAC 控制方法，采用CMAC神经网络加强系统对参数不确定性的补偿，引入混合优化策略来优化CMAC 神经网络的结构和权值 ，保证了系统对外界干扰在给定干扰衰减度下具有鲁棒稳定性的同时，还能 使系统达到良好的动态性能，满足一定的H：最优性能指标。仿真结果表 明，本文所提控制方案在 大量参数不确定性及外部扰动存在的情况下，仍能满足性能要求。 关键词：机器人；力／位置控制；混合H2／H ；混合优化策略；CMAC 中图分类号：TP273 文献标识码：A 文章编号 ：1007-449X(2006)02-0151-03 ． Hybridforce／position controlbasedonmixedoptimalneuralnetworks WEILi—xin， LIEr—chao， WANG Hong—rui (DepartmentofElectronicEngineefing，YanshanUnivertsity，Qinhuangdao066004，China) Abstract：ThedesignofaneuralnetworkscontrolwithmixedH2／H performancewasproposedforrobot mna ipulatorsofree／positioncontro1．Th emixedH2／H trackingperfomr naceensureshterobuststability underaprescribedattenuationlevelofrexternaldisturbnace，andhteH2optimaltrackingcanbealsoa— chieved．Neural networkswereintroducedtoimprovehtesystem ’Sperfomr na ceunderparametersuncer- minties．Mixedoptimalstrategywasintroducedtooptimizeneuralnewtorks’structurenadweight．Th e simulationshowshtatitisan effectivemehtod．Andhtecontrolmehtodcangetbetterperformanceeven whensystem isunderlargemodelinguncertaintiesna dexternal disturbna ces． Keywords：robo tics；foree／positioncontrol；mixedH2／H control；mixedoptimal strateyg ；CMAC 位置控制仍需要做进一步研究。 1 引 言 H：最优控制和H 优化理论的提出是现代控制 机器人在从事装配