改进的RBF神经网络在机械臂控制中的应用研究

• 作者: 刘庆云 刘泽浩 廖凯
• 来源期刊: 机电工程技术
• 学科: 工学
• 关键词: 机械臂 RBF神经网络 模型辨识 逆模型控制
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 智能与自动化
• 页码范围: 145-147
• 页数: 3页
• 分类号: TP241|TP23
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2020.08.046

摘要

机械臂系统是多输入、多输出的非线性系统,其位姿输出精度不稳定,与给定信号存在一定的跟踪误差.为提高机械臂系统跟踪精度以及抗干扰性能,通过对比分析常用的RBF神经网络学习方法,结合机械臂系统的非线性因素及其控制的实时性要求,提出改进RAN学习方法;并根据RAN学习方法构建RBF神经网络,将其应用于机械臂系统的逆控制器设计中.仿真实验表明,改进后的RBF神经网络逆控制器具有良好的对给定信号的跟踪精度和抗干扰能力,适用于机械臂系统的实时控制.