引用本文:彭金柱,王耀南,王杰.基于递归模糊神经网络的机器人鲁棒H∞跟踪控制[J].控制理论与应用,2010,27(9):1145~1151.[点击复制]
PENG Jin-zhu,WANG Yao-man,WANG Jie.Robust H-infinity tracking-control for robotic system based on recurrent fuzzy-neural-networks[J].Control Theory and Technology,2010,27(9):1145~1151.[点击复制]
基于递归模糊神经网络的机器人鲁棒H∞跟踪控制
Robust H-infinity tracking-control for robotic system based on recurrent fuzzy-neural-networks
摘要点击 1696  全文点击 1346  投稿时间：2008-12-26  修订日期：2009-11-29
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/j.issn.1000-8152.2010.9.CCTA081447
  2010,27(9):1145-1151
中文关键词  递归模糊神经网络  机器人系统  鲁棒H∞控制  跟踪控制
英文关键词  recurrent fuzzy-neural-network  robotic manipulator system  robust H-infinity control  tracking-control
基金项目  国家自然科学基金资助项目(60775047); 国家自然科学基金重点项目(60835004); 国家“863”高科技计划资助项目(2007AA04Z244, 2008AA04Z214).
作者单位E-mail
彭金柱* 郑州大学 电气工程学院 pengjinzhu1980@126.com 
王耀南 湖南大学 电气与信息工程学院  
王杰 郑州大学 电气工程学院  
中文摘要
      利用递归模糊神经网络来逼近机器人系统中的非线性函数, 提出了一种具有自适应能力的H∞控制策略. 该控制策略能够减弱机器人系统的外扰, 并把模糊神经网络的重构误差对系统的影响控制在指定的范围内. 同时又能保证闭环系统的所有信号都是有界的. 为了验证基于递归模糊神经网络的H∞控制策略的有效性, 将其与计算力矩控制方法进行比较, 仿真结果表明, 在存在外扰的情况下, 所提出的控制策略具有比计算力矩控制方法更好的跟踪性能.
英文摘要
      Using recurrent fuzzy-neural-networks(RFNN) to approximate the nonlinear functions in a robotic manipulator system, we develop an adaptive H-infinity controller. The proposed controller can attenuate the effect of external disturbance and reduce the reconstruction-error of the recurrent fuzzy neural network to a prescribed level. Meanwhile, it also ensures all signals in the closed-loop system to be bounded. Simulation experiments of this control strategy are performed; the results show that this control strategy has better tracking-performance than the computed-torque-control method under external disturbances.