机械臂是机器人系统中的重要组成部分之一,机械臂的轨迹跟踪控制是机器人执行后续工作的关键问题。由于外界干扰等不确定因素的影响,导致机械臂轨迹跟踪控制稳定性较差、精度较低、时间较长。为此,提出了改进RBF神经网络的机械臂轨迹跟踪控制方法。采用Lagrange函数,对机械臂系统动力学方程进行定义,导入关节变量的偏导数,获取标称模型运动微分方程,建立机械臂动力学模型。利用Newton算法的术语函数,获得非线性积分滑模控制方程,训练RBF神经网络,更新滑模控制补偿器,实现机械臂轨迹跟踪控制。仿真测试表明,所提方法的机械臂轨迹跟踪控制精度较高、时间较短,能够有效确保跟踪控制稳定性。

爬壁机器人系统广义Lagrange方程的建立有助于推动爬壁机器人进一步的发展。通过分析爬壁机器人系统的运动过程,并采用分析力学的方法进行动力学分析,从而建立了该系统的运动微分方程。相较于先前利用其他方法所建立的运动微分方程,基于分析力学的方法具有较大优势。运动微分方程的建立为爬壁机器人系统的对称性研究及柔性爬壁机器人的研制提供了良好的思路。