针对具有未知非线性特性和输出约束机械臂的轨迹跟踪控制问题,提出了一种基于径向基神经网络(radial basis function neural network,RBFNN)的事件触发式固定时间控制算法。首先,将障碍Lyapunov函数引入到了反步控制框架中,并利用RBFNN...针对具有未知非线性特性和输出约束机械臂的轨迹跟踪控制问题,提出了一种基于径向基神经网络(radial basis function neural network,RBFNN)的事件触发式固定时间控制算法。首先,将障碍Lyapunov函数引入到了反步控制框架中,并利用RBFNN处理系统中的未知非线性特性;其次,为了缓解系统通信压力,设计了事件触发机制以减小控制信号的更新频率。在上述基础上,基于固定时间稳定理论,构建了事件触发式固定时间稳定控制器。从理论上证明了系统可以在一个与初始系统状态无关的时间内实现稳定,且大幅地节约了系统的通信资源;最后,仿真实验验证了方法的可行性。展开更多
文摘针对具有未知非线性特性和输出约束机械臂的轨迹跟踪控制问题,提出了一种基于径向基神经网络(radial basis function neural network,RBFNN)的事件触发式固定时间控制算法。首先,将障碍Lyapunov函数引入到了反步控制框架中,并利用RBFNN处理系统中的未知非线性特性;其次,为了缓解系统通信压力,设计了事件触发机制以减小控制信号的更新频率。在上述基础上,基于固定时间稳定理论,构建了事件触发式固定时间稳定控制器。从理论上证明了系统可以在一个与初始系统状态无关的时间内实现稳定,且大幅地节约了系统的通信资源;最后,仿真实验验证了方法的可行性。
