来源：期刊VIP网 时间：
作者：张凯;
单位：郑州旅游职业学院;
摘要：为了提高柔性机械臂在扰动和变负载工况下的控制精度，设计了基于最优拉丁Widrow-Hoff神经网络和非线性观测器的自适应学习鲁棒控制器。使用模态分解法和拉格朗日法建立了柔性机械臂动力学状态方程；设计了自适应学习控制器整体方案；为了解决神经网络参数训练局部极值问题，提出了最优拉丁Widrow-Hoff网络学习法，并基于该方法对系统非线性进行估计；同时引入非线性状态观测器，对系统存在的集总干扰进行实时观测与动态补偿，显著增强了控制器的鲁棒性能。在扰动工况下对柔性机械臂控制效果进行仿真验证，自适应学习鲁棒控制器的抗扰动能力强于神经网络控制器和状态反馈控制器；在变负载工况下，自适应学习控制器在不同负载下的跟踪误差最小，且变负载对自适应学习控制器影响最小；在扰动和变负载工况下进行试验验证，这里控制方法的跟踪误差远小于文献~([11])的ILQR最优控制，说明自适应学习控制器的跟踪性能更好、鲁棒性更强。
关键词：柔性机械臂;;自适应学习控制;;最优拉丁Widrow-Hoff网络;;非线性观测器;;鲁棒性;;抗扰动
基金资助：教育部产学合作协同育人项目（201902280013）
