针对存在动力学不确定建模项、建模误差及外界干扰的移动机器人,设计RBF神经网络补偿计算力矩控制算法。基于反步法设计运动学辅助速度控制率。根据动力学理想名义模型,基于计算力矩法设计一般的力矩控制器。在此基础上,建立具有不确定建模项、建模误差及外界干扰的移动机器人动力学模型,基于计算力矩法设计带有RBF神经网络补偿的力矩控制器,神经网络的权值由自适应律给出。最后,利用Lyapunov理论证明了系统的稳定性。仿真结果表明:神经网络对

针对复合材料液压机电液系统中广泛存在的参数不确定性、不确定非线性和外干扰,设计基于非连续映射的非线性自适应鲁棒运动控制器.自适应控制器对系统参数进行在线估计,所估计的参数虽不能完全收敛到真实值,但可以限定在上确界和下确界范围内,满足鲁棒控制不确定量上、下界的要求;参数自适应律渐进消除了参数不确定性引起的模型补偿误差,保证输出跟踪可以拥有规定的瞬态和稳态响应性能.鲁棒控制律可以抑制未建模动态、参数估计误差和外干扰的影响.利用Lyapunov稳定性理论证明了系统的稳定性.仿真和实验结果表明,设计的控制器对所规划的运动轨迹具有精确的跟踪控制和强鲁棒的控制性能.