1.一种柔性关节机器人的自适应神经网络跟踪控制方法，其特征在于：包括超声波电机，所述超声波电机一侧输出轴与光电编码器相连接，另一侧输出轴与飞轮惯性负载相连接，所述飞轮惯性负载的输出轴经联轴器与力矩传感器相连接，所述光电编码器的信号输出端、所述力矩传感器的信号输出端分别接至控制系统；所述控制系统建立在自适应神经网络基础上，使用补偿器使得跟踪误差最小，从而能获得更好的控制效能，具体设计为：所述超声波电机采用由直流伺服电机驱动的柔性关节机械臂运动方程：式中，其中q1∈Rn、q2∈Rn分别表示连杆角度和电机角度，M(q1)∈Rn×n是对称正定惯性矩阵， 表示向心力和科里奥利力的矢量，G(q1)∈Rn表示引力矢量，K＝diag{Ki}∈Rn×n是关节刚度系数矩阵，J∈Rn×n是电机惯量矩阵，B∈Rn×n是执行器阻尼矩阵，KT＝diag{Kti}∈Rn×n是电机的转矩常数矩阵，I∈Rn是电枢电流矢量，L＝diag{Li}∈Rn×n是电感矩阵，R＝diag{Ri}∈Rn×n是电阻矩阵，KB＝diag{Kbi}∈Rn×n表示电动机反电动势常数矩阵，v∈Rn是输入电压的向量，d1、d2、d3均为外在的干扰；

给出期望的参考轨迹qr1(t)，并设计包括下式的基于观测器的动态反馈跟踪控制器：对所有有界的初始条件，都确定一个选择增益：k01、k02、k03、k04、k05，使得闭环系统的所有状态和信号都是有界的，跟踪误差是一致且最终有界的。

2.根据权利要求1所述的一种柔性关节机器人的自适应神经网络跟踪控制方法，其特征在于：所述M(q1)及 满足如下性质与假设：性质1：矩阵M(q1)是对称正定的；

性质2：矩阵 是斜对称的；式(1)至式(3)是由未知时变不确定性引起的扰动；

假设1：参数矩阵M(q1)、 和G(q1)在式(1)设定为完全未知的；

假设2：式(2)中的参数矩阵表示为：

J(·)＝J0+ΔJ(t)；

B(·)＝B0+ΔB(t)；

K(·)＝K0+ΔK(t)；

KT(·)＝KT0+ΔKT(t)；

式中，(·)表示一个已知的标称矩阵，Δ(·)表示一个小扰动；此外，还有一个常数0≤εK＜1，使得假设3：式(3)中的参数矩阵表示为L(·)＝L0+ΔL(t)；R和KB假定是完全未知且有界。此-1外，还有一个常数0≤εL＜1，使得||ΔLL ||2≤εL。

3.根据权利要求2所述的一种柔性关节机器人的自适应神经网络跟踪控制方法，其特征在于：所述给出期望的参考轨迹qr1(t)，目的是找到一个在有不确定性、未建模扰动和外部扰动的情况下柔性关节机器人系统的自适应神经网络控制器，引入状态变量：x1＝q1； x3＝q2； x5＝I；

将式(1)、式(2)以及式(3)改写成：转速表的速度测量容易受噪声影响，不可直接用于控制器的设计，因此使用一个2n维状态估计器来重构缺失的速度信号x2、x4；采用反推设计方法得到控制器并分析其稳定性，从反推技术的观点看，状态变量x2，x3，x4，x5分别视为(4)、(5)、(6)和(7)中的虚拟控制输入。

4.根据权利要求3所述的一种柔性关节机器人的自适应神经网络跟踪控制方法，其特征在于：所述基于观测器的动态反馈跟踪控制器的设计具体为：定义位置跟踪误差 和滤波环节的跟踪误差 其中表示位置跟踪误差对时间的导数，对于增益k1＞0，误差动力学方程 改写成：其中：

定义：

式中， 则F(xe)表示为：

则式(10)中的误差动态方程修改为：

式中，Fd(qre)＝Fd0(qre)+K0qr1；

假设上式的不确定项Fd(qre)完全未知，自适应逼近系统 近似于不确定项Fd(qre)；在此 包含可调近似参数；根据线性参数化的神经网络模型，将 写成：式中，Yd(qre)表示神经网络模型里近似参数的修正系数；

假设4：存在一个最佳逼近参数 能够无限近似于Fd(qre)，将当做最佳逼近误差；存在一个常数εd＞0使得||Δωd(·)||2≤εd；由于速度信号x2未测量，滤波环节的跟踪误差 不能直接用于控制设计，取η1表示观察状态， 表示观测器输出：对于控制器增益k01＞0，定义观测误差值 及一个辅助功能在此γ1＞0，经过推导可得：

误差动力学方程表示为：

使用反推技术，将x3作为式(6)的虚拟控制输入，并选择所需的轨迹，得到：对于控制增益k2＞0，令 通过将假设4代入式(14)、式(18)，推导得到：

使用表示逼近误差。电机的位置误差动态方程为：由于速度信号x4不能直接用于控制设计，需要开发一个观测器来重建速度信号，取观测器的状态为η2，观测器的输出为 其目的是估计x4的值；

定义观察器误差： 因此式(22)变为：

将 作为式(23)中的虚拟控件输入，用 表示期望的轨迹，定义 则有：

对于控制增益k3＞0，分别将式(24)和 代入式(23)得：取观察器的输出为：

对于观测器增益，若k02＞0则误差动力学方程 表示为：设

对于控制增益k4＞0，修改误差动态方程(27)为：此外，还计算了误差动力学方程

对于假设2，将J-1B、J-1K、J-1KT表示为：对于ΔJB,ΔJK,ΔJKT，综合(26)和(28)，将误差动力学方程(30)写成：从反推技术，将I(t)作为一个虚拟控制输入，I*(t)表示所需电流；设则：

将式(32)代入式(31)得：

因此，

最后，考虑误差动力学方程

在此 考虑到等式 和 将误差动力学

方程(34)表示为：

假设3中 又有 所以有：

因此，

自适应逼近系统 近似于 所以将 写成：

假设5：存在一个最佳逼近参数 使 使用

表示最佳逼近误差加上时变不确定项 存在常数ε＞0使得||ΔωI(·)||2≤εI；选择输入电压：

对于控制增益k5＞0，则跟踪误差的误差动力学方程 表示为：使用 表示逼近误差，得到：

考虑设备不确定性和外界干扰下柔性关节机器人系统，式(1)-式(3)给出期望的参考轨迹，使用qr1(t)设计包括式(38)-式(44)一种基于观测器的动态反馈跟踪控制器，其中，γ1＞0，γ2＞0。

5.根据权利要求4所述的一种柔性关节机器人的自适应神经网络跟踪控制方法，其特征在于：在上述过程中，有不确定项ΔF5(·)和 假定其是有界的，然后通过适当设计控制增益来补偿这些不确定项的影响；作为一种替代方法，设计滑模控制算法来消除这些不确定项的影响，具体为：定义在式(38)中的输入电压v修改为：

这里

由于δ＞0，σ＞0，且：

误差动态方程(37)计算为：

6.根据权利要求1所述的一种柔性关节机器人的自适应神经网络跟踪控制方法，其特征在于：所述控制系统包括超声波电机驱动控制电路，所述超声波电机驱动控制电路包括控制芯片电路和驱动芯片电路，所述光电编码器的信号输出端与所述控制芯片电路的相应输入端相连接，所述控制芯片电路的输出端与所述驱动芯片电路的相应输入端相连接，以驱动所述驱动芯片电路，所述驱动芯片电路的驱动频率调节信号输出端和驱动半桥电路调节信号输出端分别与所述超声波电机的相应输入端相连接。

7.根据权利要求1所述的一种柔性关节机器人的自适应神经网络跟踪控制方法，其特征在于：所述联轴器为弹性联轴器。

8.根据权利要求1所述的一种柔性关节机器人的自适应神经网络跟踪控制方法，其特征在于：所述超声波电机、光电编码器、力矩传感器分别经超声波电机固定支架、光电编码器固定支架、力矩传感器固定支架固定于一基座上。