1.一种机械臂伺服系统的指定性能反演控制方法，其特征在于：所述控制方法包括以下步骤：步骤1，建立机械臂伺服系统的动态模型，初始化系统状态、采样时间以及控制参数；

1.1机械臂伺服系统的动态模型表达形式为其中，q和θ分别为机械臂连杆和电机的角度；I为连杆的惯量；J是电机的惯量；K为弹簧刚度系数；M和L分别是连杆的质量和长度；u是控制信号；v(u)为死区，表示为：其中gl(u)，gr(u)为未知非线性函数；bl和br为死区未知宽度参数，满足bl＜0,br＞

0；

定义x1＝q， x3＝θ， 式(1)改写为

1.2 定义变量 z1＝x 1，z2＝x 2，则式(3)改写成

T

其 中，z＝ [z1,z2,z3,z4]，步骤2，根据微分中值定理，将系统中的非线性输入死区线性近似为一个简单的时变系统，推导出带有未知死区的机械臂伺服系统模型，包括如下过程；

2.1根据微分中值定理，存在ξl∈(-∞,bl)和ξr∈(br,+∞)使其中ξ′l∈(-∞,bl]；

其中ξ′r∈[bl,+∞)；

根据式(5)和式(6)，将式(2)改写为其中，|ω(u)|≤ωN,ωN是未知正常数，满足ωN＝(gr1+gl1)max{br,bl}其中，ξl∈(-∞,bl],ξr∈[bl,+∞)，并且

2.2由式(8)和式(9)，将式(4)改写为以下等效形式：其中，m(z)＝f1(z)+b1*ω(u)，步骤3，计算控制系统跟踪误差，FC误差变量及微分；

3.1定义控制系统的跟踪误差为e(t)＝xd-x (13)其中，xd为二阶可导期望轨迹；

3.2定义FC误差变量为：其中，

Fφ(t)＝δ0exp(a0t)+δ∞ (15)其中，δ0≥δ∞＞0， |e(0)|＜Fφ(0)

3.3对式(14)求导得其中，

步骤4，基于带有未知死区的机械臂伺服系统模型，根据李雅普诺夫函数和反演滑模理论，选择神经网络逼近未知动态，设计指定性能反演控制器，更新神经网络权值矩阵；

4.1计算李雅普诺夫函数 的微分为其中，s2＝z2-α1；

设置虚拟控制律α1为

其中，k1为正常数；

于是，式(17)改写为

4.2定义误差变量

si＝zi-αi-1,i＝2,3,4. (20)计算式(18)的一阶微分为

4.3为了逼近不能直接得到的非线性不确定项 定义以下神经网络其中，Wj为理想权重， φ(X)通常被取为高斯函数，表达式为

T

其中，c＝[c1,c2,...,cn]是高斯函数的核，b是高斯函数的宽度，0＜φ(X)≤1；

4.4设计李雅普诺夫函数Vi,i＝2,3,4其中， 为理想权重Wi-1的估计值，Ki-1是自适应增益矩阵；

4.5计算李雅普诺夫函数Vi的微分将式(20)和式(21)代入式(25)得

4.6设计虚拟控制量为

其中， 是εj的估计值，kl,l＝2,...,5为正常数并且k5≥1/n；

4.7设计神经网络权重 和自适应参数 的调节规律为步骤5，设计李雅普诺夫函数V＝V1+V2+V3+V4 (33)对式(33)进行求导得：将式(19),(26)-(28)代入式(33)，如果 则判定系统是稳定的。