引用本文:王宇奇,林麒,周磊,施昕昕,杜一君,乔贵方.基于局部模型逼近的一种绳牵引并联机器人 自适应径向基神经网络控制[J].控制理论与应用,2021,38(3):380~390.[点击复制]
WANG Yu-qi,LIN Qi,ZHOU Lei,SHI Xin-xin,DU Yi-jun,QIAO Gui-fang.Adaptive radial basis function neural network control of a wire-driven parallel robot based on local model approximation[J].Control Theory and Technology,2021,38(3):380~390.[点击复制]
基于局部模型逼近的一种绳牵引并联机器人 自适应径向基神经网络控制
Adaptive radial basis function neural network control of a wire-driven parallel robot based on local model approximation
摘要点击 2126  全文点击 691  投稿时间:2020-04-08  修订日期:2020-10-01
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/CTA.2020.00184
  2021,38(3):380-390
中文关键词  绳牵引并联机器人  局部模型逼近  RBF神经网络  自适应控制  Lyapunov函数
英文关键词  wire-driven parallel robot  local model approximation  RBF neural network  adaptive control  Lyapunov function
基金项目  国家自然科学基金项目(11472234), 南京工程学院高层次引进人才科研启动基金项目(YKJ201917)资助.
作者单位E-mail
王宇奇* 南京工程学院 自动化学院 940898628@qq.com 
林麒 厦门大学 航空航天学院  
周磊 南京工程学院 自动化学院  
施昕昕 南京工程学院 自动化学院  
杜一君 南京工程学院 自动化学院  
乔贵方 南京工程学院 自动化学院  
中文摘要
      为了保证风洞试验绳牵引并联机器人(WTT–WDPR)末端执行器的位姿, 提出了一种基于局部模型逼近的 自适应径向基(RBF)神经网络控制. 采用牛顿–欧拉法建立了飞机模型的动力学方程, 并基于动态力矩平衡方程建 立了驱动系统的动力学方程. 采用RBF神经网络进行了局部模型的逼近设计和控制律设计, 并通过构建Lyapunov函 数对系统进行了稳定性分析, 结果证明WTT–WDPR是趋于渐进稳定的. 对WTT–WDPR进行MATLAB/Simulink仿 真实验, 仿真结果验证了所设计的自适应RBF神经网络控制的正确性和可行性, 满足系统控制精度的要求, 也为在 样机上进行实际应用和技术实现奠定了理论基础.
英文摘要
      In order to ensure the pose of the end effector of wind tunnel test wire-driven parallel robot (WTT–WDPR), an adaptive RBF neural network control based on local model approximation is proposed. The dynamic equation of the aircraft model is established by Newton Euler method, and the dynamic equation of the driving system is established based on the dynamic moment balance equation. In this paper, RBF neural network is used to design the approximation of local model and control law, and Lyapunov function is constructed to analyze the stability of the system. The results show that WTT–WDPR tends to be asymptotically stable. The WTT–WDPR is simulated by MATLAB/Simulink. The simulation results verify the correctness and feasibility of the designed adaptive RBF neural network control, meet the requirements of system control accuracy, and lay a theoretical foundation for practical application and technical realization on the prototype.