不确定机器人的自适应神经网络迭代学习控制

？针对不确定性机器人系统轨迹重复跟踪问题，提出一种自适应神经网络迭代学习控制方法。将系统的不确定项描述为周期性和非周期性两部分，通过采用迭代学习算法对周期性不确定部分进行迭代学习，采用rbf神经网络对非周期性不确定部分的未知上界自适应学习，并引入低通滤波器(lpf)来消除滑模控制中出现的抖振现象。该控制方法不仅对系统的不确定性和有界外部扰动具有鲁棒性，而且使得整个系统在迭代域中是全局渐进稳定的。严格的证明和仿真结果表明了该控制策略的有效性。