基于模糊RBF神经网络动态摩擦分块补偿的机器人数字鲁棒滑模控制算法

中国机械工程 ›› 2012, Vol. 23 ›› Issue (23): 2792-2796.

基于模糊RBF神经网络动态摩擦分块补偿的机器人数字鲁棒滑模控制算法

李敏;王家序;肖科;黄超;徐超

重庆大学机械传动国家重点实验室,重庆,400030

出版日期:2012-12-10 发布日期:2012-12-21
基金资助:
国家自然科学基金资助重点项目(50735008);国家自然科学基金资助项目(50905189, 50905191)
Key Program of National Natural Science Foundation of China（No. 50735008）
National Natural Science Foundation of China（No. 50905189, 50905191）

Digital Robust Sliding Mode Control of Robot Manipulator with Dynamic Friction Block Compensation Using Fuzzy RBF Neural Network

Li Min;Wang Jiaxu;Xiao Ke;Huang Chao;Xu Chao 

State Key Laboratory of Mechanical Transmission,Chongqing University,Chongqing,400030

Online:2012-12-10 Published:2012-12-21
Supported by:

Key Program of National Natural Science Foundation of China（No. 50735008）
National Natural Science Foundation of China（No. 50905189, 50905191）

摘要/Abstract

摘要：

结合非线性、强耦合的机器人动力学模型,提出了采用3个模糊RBF神经网络对机器人中的不确定项——LuGre动态摩擦进行分块补偿的机器人数字鲁棒滑模控制算法,在线自适应训练非线性动态摩擦项的参数,并分析了该算法的Lyapunov稳定性。通过在二自由度机器人上的仿真,证明了该算法具有高精度、高可靠性、高品质、稳定、强鲁棒性等特点。同时发现了该机器人的摩擦模型中存在类菱形吸引子等非线性动力学现象。

关键词: 模糊RBF神经网络, 摩擦补偿, LuGre摩擦模型, 不确定性, 机器人数字控制

Abstract:

Combining with nonlinear,strong coupling dynamics model of a robot manipulator,this paper presented a digital robust sliding mode robot control
algorithm,which compensated for the uncertainties of robot manipulator-LuGre
dynamic friction with three fuzzy RBF neural network,and trained parameters of nonlinear dynamic friction on-line and adaptively.Then this paper analyzed the Lyapunov stability
of the algorithm.The simulation of a two degrees of freedom robot manipulator proves
that the algorithm is of high accuracy,high reliability,high quality,
stable and strong robustness.Meanwhile,nonlinear kinetic phenomena,such as rhombus
attractor,lie in the kinetic properties of the friction model of the robot manipulator. 

Key words: fuzzy radial base function(RBF) neural network, friction compensation, LuGre friction model, uncertainty, robot digital control

中图分类号:

TP242.6

李敏, 王家序, 肖科, 黄超, 徐超. 基于模糊RBF神经网络动态摩擦分块补偿的机器人数字鲁棒滑模控制算法[J]. 中国机械工程, 2012, 23(23): 2792-2796.

LI Min, WANG Jia-Xu, XIAO Ke, HUANG Chao, XU Chao. Digital Robust Sliding Mode Control of Robot Manipulator with Dynamic Friction Block Compensation Using Fuzzy RBF Neural Network[J]. China Mechanical Engineering, 2012, 23(23): 2792-2796.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/

https://www.cmemo.org.cn/CN/Y2012/V23/I23/2792

[1]	崔硕, 刘秀丽, 李相杰, 吴国新. 高端旋转机械剩余使用寿命预测及其不确定性量化评估方法[J]. 中国机械工程, 2026, 37(1): 209-222.
[2]	魏琼, 白林勇, 陈子超, 张道德, 李奕. 基于扰动观测和摩擦补偿的气动摆角伺服系统滑模控制[J]. 中国机械工程, 2025, 36(11): 2563-2573.
[3]	张磊1, 2, 3, 孙学涛1, 2, 陈洁1, 2, 孙远波3, 郭佳佳1, 2, 郑杰1, 2. 汽车结构可靠性分析与优化设计研究进展[J]. 中国机械工程, 2024, 35(11): 1948-1962，1970.
[4]	陈志勇, 李攀, 叶明旭, 林歆悠. 自动驾驶电动车辆基于参数预测的径向基函数神经网络自适应控制[J]. 中国机械工程, 2024, 35(06): 982-992.
[5]	宋周洲1, 2, 张涵寓1, 2, 刘钊3, 朱平1, 2. 基于监督降维和自适应Kriging建模的高维不确定性传播方法研究[J]. 中国机械工程, 2024, 35(05): 762-769，810.
[6]	刘延浩, 倪冰雨, 田万一, 姜潮. 区间过程激励下刚柔耦合系统动态不确定性分析的序列模拟方法[J]. 中国机械工程, 2024, 35(05): 770-783.
[7]	刘竟飞1, 姜潮2, 倪冰雨2, 汪宗太3. 基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法[J]. 中国机械工程, 2024, 35(05): 792-801.
[8]	张威1, 2, 谢俊1, 杜彦斌1, 冉琰3, 张根保3, 4. 考虑双重不确定性的机械产品元动作可靠性分配方法[J]. 中国机械工程, 2024, 35(05): 802-810.
[9]	金鸿雁, 王磊, 赵希梅. 基于摩擦补偿的两轴直驱伺服进给系统自适应非线性滑模轮廓控制[J]. 中国机械工程, 2023, 34(11): 1335-1342.
[10]	倪涛, 徐海远, 李东, 张红彦. 六自由度平台动力学前馈柔顺控制研究[J]. 中国机械工程, 2022, 33(06): 683-689.
[11]	郝耀东, 顾灿松, 周焕阳, 董俊红, 李洪亮, 邓江华. 不确定声-固耦合模型高频分析的随机统计能量方法[J]. 中国机械工程, 2021, 32(08): 921-929.
[12]	姚来鹏, 侯保林, 刘曦, 王茜. 基于非线性干扰观测器的自动弹仓终端滑模控制[J]. 中国机械工程, 2020, 31(15): 1787-1792,1797.
[13]	蒋琛, 邱浩波, 高亮, . [学科发展]随机不确定性下的可靠性设计优化研究进展[J]. 中国机械工程, 2020, 31(02): 190-205.
[14]	许焕卫；李沐峰；王鑫；胡聪；张遂川. 基于灵敏度分析的区间不确定性稳健设计[J]. 中国机械工程, 2019, 30(13): 1545-1551.
[15]	曾光1,2，3;段民封1，2;倪冰雨1，2;姜潮1，2. 机械臂架系统的非随机振动分析[J]. 中国机械工程, 2019, 30(10): 1142-1149.