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。