一种基于多参数自适应神经网络的滑模控制器设计方法

发明专利有效专利

申请号：
CN202110780669.7
IPC分类号：G05B13/04
申请日期：
2021-07-09
申请人：
南昌大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于多参数自适应神经网络的滑模控制器设计方法
申请号	CN202110780669.7	申请日期	2021-07-09
法律状态	公开	申报国家	中国
公开/公告日	2021-11-02	公开/公告号	CN113589689A
优先权	暂无	优先权号	暂无
主分类号	G05B13/04 ? IPC结构图谱： G 物理 G0 仪器 G05 控制；调节 G05B 一般的控制或调节系统；这种系统的功能单元；用于这种系统或单元的监视或测试装置（应用流体作用的一般流体压力执行器或系统入F15B；阀门本身入F16K；仅按机械特征区分的入G05G；传感元件见相应小类，例如G12B，G01、H01的小类；校正单元见相应的小类，例如H02K） G05B13/00 自适应控制系统，即系统按照一些预定的准则自动调整自己使之具有最佳性能的系统（G05B 19/00优先；计算机零部件入G06F 15/18）〔3〕 G05B13/02 电的 G05B13/04 包括使用模型或模拟器的〔3〕	IPC分类号	G;0;5;B;1;3;/;0;4查看分类表>
申请人	南昌大学	申请人地址	江西省南昌市红谷滩新区学府大道999号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南昌大学	当前权利人	南昌大学
发明人	徐正宏;张文杰;杨晓辉;张伟;刘康;张柳芳;杨爽;冷正旸;宋曜任;陈伟;张亮
代理机构	北京众合诚成知识产权代理有限公司	代理人	龚燮英

摘要

本发明公开了一种基于多参数自适应神经网络的滑模控制器设计方法，包括：1，建立n自由度旋转关节刚性机械臂动力学模型；2，将步骤1中模型系统转化为基于关节位置的二阶状态方程，并为其设计快速终端滑模面；3，利用RBF神经网络对系统未知动力学参数进行逼近；4，设计自适应非奇异快速终端滑模控制器，并基于步骤3中的动力学参数逼近结果，实现机械臂的无模型控制。本发明适用于受到模型不确定性和外部干扰的影响的机械臂的轨迹跟踪控制，减少了控制设计程序中给出的自适应设计参数的数量，使得机器人动力学的未知非线性函数在RBFNN基础上进行了近似；还提高了误差的收敛速度和跟踪精度，实现了基于李雅普诺夫定理的全局渐近稳定。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供