1.一种带有死区补偿的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式为：其中，q，和 分别为机械臂关节的位置，速度和加速度；MH，CH以及DH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；GH代表重力项；τ是控制信号；T(τ)为死区，表示为：其中，gr和gl分别代表死区的左斜率和右斜率；br和bl代表死区的未知宽度参数，满足gr＞0，gl＞0，br＞0，bl＜0；

1.2将式(2)表示为：

T(τ)＝g(t)τ+b(t)  (3)其中， 以及

1.3通过式(2)和(3)，定义：B(t)＝(g(t)-gl(t))τ+b(t)  (4)则式(3)被表示为：

T(τ)＝gl(t)τ+B(t)  (5)因此，得到关系式||B(t)||≤BM＝max((2*gl+gr)br,(2*gl+gr)bl)；

1.4由于存在测量噪声，负荷变化以及外界干扰的影响，式(1)中的系统参数并不能准确的获得，因此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，基于含有未知死区输入以及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，则非线性不确定函数f被逼近为：f＝θ*Tφ(x)+ε  (7)其中， 代表输入矢量；φ(x)＝[φ1(x),φ2(x),…φn(x)]T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，oi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  (9)

其中，qd为二阶可导期望轨迹；那么式(9)的一阶微分和二阶微分被表示为：

3.2因此，为了避免奇异问题，全阶滑模面将定义为：其中，c1和c2是一个正的常数，它的选择是保证多项式p2+c2p+c1的全部特征根在复平面的左半部分以保证系统的稳定性；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，基于含有未知死区输入的机械臂系统，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(1)，神经网络全阶滑模控制器被设计为：v＝-(kd+kT+η)sgn(s)  (17)其中，ci和αi是常数，i＝1,2，已在式(12)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(14)代入(1)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kT＞0时满足kT≥Tld；

通过式(1)，式(12)，式(14)-式(17)以及式(19)，全阶滑模面被表示成如下等式：s＝d(q,t)+un  (20)将式(17)代入式(16)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)|  (22)

4.4设计李亚普诺夫函数：

对式(12)进行求导得：

将式(16)代入式(24)中得到：对式(23)进行微分得到：

将式(22)代入式(26)中，如果 则判定系统是稳定的。