1.一种考虑跟踪误差约束的不确定机械臂神经自适应控制方法，其特征在于，包括如下步骤：步骤1.考虑多关节机械臂的外部环境扰动和关节之间摩擦的情况，建立多关节机械臂非线性动态模型；

步骤2.针对多关节机械臂非线性动态模型产生的跟踪误差z1，设计约束条件限制其运动轨迹；

步骤3.结合移位函数，利用非线性变换将受限的跟踪误差z1转换为非受限的变量η；

步骤4.采用RBF神经网络逼近多关节机械臂非线性动态模型中的未建模动态，得到未建模动态的估计模型；

步骤5.根据非受限的变量η和未建模动态的估计模型，结合虚拟参数Θ和动态面技术，设计基于神经网络的自适应跟踪控制器u及其自适应律

2.根据权利要求1所述的考虑跟踪误差约束的不确定机械臂神经自适应控制方法，其特征在于，步骤1中多关节机械臂非线性动态模型为：n

其中，q∈R表示关节角位置状态矢量， 表示关节角速度状态矢量， 表示关节n×n

角加速度状态矢量，M(q)∈R 为对称正定惯性矩阵， 为离心力和哥氏力矩n

阵，Gg(q)∈R为重力矢量， 为外部不确定性扰动和关节之间摩擦的矢量。

3.根据权利要求1所述的考虑跟踪误差约束的不确定机械臂神经自适应控制方法，其特征在于，步骤2中跟踪误差为：z1＝q‑qd

T T

其中，z1＝[z11，...，z1n]，qd＝[qd1，...，qdn]为期望的关节角位置矢量；

约束条件为：

其中，Ωck表示对应跟踪误差z1k的约束限制，Ωck0、Ωck∞、κk分别表示限制条件Ωck的初始值、稳态值和收敛速度，t表示时间。

4.根据权利要求1所述的考虑跟踪误差约束的不确定机械臂神经自适应控制方法，其特征在于，在步骤3中跟踪误差z1非受限的形式为：T

η＝[η1，...，ηn]

其中，η中的元素表示为：

其中，变量χk＝μkz1k，μk表示移位函数，Ωck表示对应跟踪误差z1k的约束限制，其表达式为：其中，Tk＞0表示时间参数。

5.根据权利要求1所述的考虑跟踪误差约束的不确定机械臂神经自适应控制方法，其特征在于，在步骤4中，未建模动态的估计模型为：其中， 是可以得到的激励函数向量，ε(Z)是估计误差，并且满足s×n

是一个很小的未知常数，ω∈R 是理想的权值矩阵， 是有界的基函数向量；ω和 可表示为

其中，高斯基函数的表达式为

其中，S为RBF神经网络的节点个数，bk为第k个节点的高斯基宽度， 为第k个节点的中心矢量。

6.根据权利要求1所述的考虑跟踪误差约束的不确定机械臂神经自适应控制方法，其特征在于，在步骤5中，动态面技术的表达式为：αf(0)＝α(0)

其中，设计参数ad为正常数，α为虚拟控制函数，虚拟控制函数的表达式为：其中，设计参数τ1，τ2，c1为正常数，对于k＝1，2，...，n，中间变量Δk，θk的表达式分别为Uθ＝diag(θ1，...，θn)，Uμ＝diag(μ1，...，μn)，Ωck表示对应跟踪误差z1k的约束限制，χk表示变量，θ1，...，θn表示中间变量，μ1，...，μn表示移位函数，η表示跟踪误差z1非受限的形式。

7.根据权利要求1所述的考虑跟踪误差约束的不确定机械臂神经自适应控制方法，其特征在于，在步骤5中，自适应跟踪控制器u及其自适应律 为其中，设计参数c2，rΘ，σΘ为正常数， 为虚拟参数 的估计，其初始值为 是 的上界，

是有界的基函数向量，Uθ表示中间变量，Uμ表示移位函数的对角矩阵，z2为速度误差变量，其表达式为：其中，αf是由动态面技术产生的滤波信号。