1.一种机械臂伺服系统神经网络全阶滑模控制方法，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，过程如下：

1.1机械臂伺服系统的动态模型表达形式为：其中，q， 和 分别为机械臂关节的位置，速度和加速度，M(q)， 以及D分别表示每个关节的对称正定惯性矩阵，离心科里奥利矩阵以及阻尼摩擦系数的对角正定矩阵；

G(q)代表重力项；τ代表了关节的转矩输入矢量；

1.2当考虑动态执行机构时，将式(1)重新表示为：其中， 是一

个电枢电压输入的矢量； 代表电磁转矩矢量，其中，Jm和Dm分别表示惯性对角矩阵和扭转阻尼系数；Kτ＝diag(Kτ1,Kτ2,...,Kτn)则是对角矩阵的转矩常数；qm代表的是电机角位置矢量；τL代表的是电机负载转矩的矢量； 表示n关节变速器齿轮的对角矩阵；

1.3由于存在测量噪声，负荷变化以及外部干扰的影响，式(2)中的系统参数并不能精确的获得；那么，又将实际的系统参数改写为：其中，估计值 以及 代表已知部分；ΔMH(q)，ΔDH以及ΔGH(q)代表系统未知项；

步骤2，基于带有未知参数的机械臂伺服系统，设计所需的神经网络，过程如下：*

定义θ为理想权重系数矩阵，那么非线性不确定函数f被逼近为：*T

f＝θ φ(x)+ε (4)T

其中， 代表输入矢量；φ(x)＝[φ1(x),φ2(x),…φm(x)]是神经网络的基函数；ε代表神经网络的逼近误差且满足||ε||≤εN，εN则是一个正的常数；φi(x)被取为以下高斯函数：其中，ci代表高斯函数的核参数；σi则表示了高斯函数的宽度；

步骤3，计算控制系统跟踪误差，设计全阶滑模面，过程如下：

3.1定义系统跟踪误差为：

e＝qd-q (6)其中，qd为二阶可导期望轨迹；那么式(6)的一阶微分和二阶微分被表示为如下形式：

3.2那么全阶滑模面将定义为：

2

其中，c1和c2是一个正的常数，它的选择是保证多项式p +c2p+c的全部特征根在复平面的左半部分以保证系统稳定；α1和α2的选取则是通过以下多项式：其中，αn+1＝1，αn＝α，α∈(1-ε,1)以及ε∈(0,1)；

步骤4，基于含有动态执行机构的机械臂系统，根据全阶滑模以及神经网络理论，设计神经网络全阶滑模控制器，过程如下：

4.1考虑式(2),神经网络全阶滑模控制器被设计为：v＝-(kd+kT+η)sgn(s) (14)其中，ci和αi是常数，i＝1,2，已在式(9)中被定义；kd，kT和η都是常数；

4.2设计神经网络权重系数矩阵的调节规律：其中，Γ是一个正定的对角矩阵；

4.3将式(11)带入式(2)中得到如下等式：其中， 代表神经网络的权重估计误差； 代表系统扰动项，并且是有界的，那么假定d(q,t)≤ld并且 其中ld是一个有界的常数；KT的选取是在K＞0时满足kT≥Tld；

4.4通过式(2)，式(9)，式(11)-(14)以及式(16)，全阶滑模面被写成如下等式：s＝d(q,t)+un (17)

4.5将式(14)带入式(13)中得到：在un(0)＝0的情况下，得到如下等式：kT≥Tld≥T|un(t)|max≥T|un(t)| (19)

4.6设计李雅普诺夫函数：

对式(9)进行求导得：

将式(13)带入式(21)中得到：对式(20)进行微分得到：

将式(19)带入式(23)中，如果 则判定系统是稳定的。