基于RBF神經網絡的靈巧手指自適應跟蹤控制

王邢波，陸 闖，張 巖

(南京郵電大學自動化學院，南京 210023)

0 引言

近年來，多指靈巧手已成為機器人末端執行器的發展方向，它是為完成多任務而研究開發的智能型通用機械手，可用于各種環境中代替人類執行任務。在靈巧手的跟蹤控制中，常見的控制方法有自適應控制[1]、滑模變結構控制[2]、力矩控制[3]、魯棒控制[4]等，以及具有非線性移位功能和并行計算功能的智能設計方法，如模糊理論[5]、神經網絡[6]等。自適應控制對模型先驗知識需求少，能夠在系統運行過程中對參數進行在線辨識，適用于具有參數不確定、參數變化的系統。

位置控制是靈巧手最基本、最核心的控制，主要通過關節空間和笛卡爾空間兩種方式進行控制。FENG[7]提出了一種新的關節位置/腱張力控制方法，較好地實現了單手指關節位置跟蹤和腱張力控制。針對模型的不確定問題，通常用自適應神經網絡處理。張程等[8]設計了一種自適應魯棒控制策略，實現了機械臂末端軌跡的精確跟蹤。賈蓉等[9]設計了一種關節軌跡滑模魯棒控制算法優化雙臂機器人的協調控制能力，提高了跟蹤精度。LI等[10]針對移動機械手存在不確定性和干擾的情況，提出了自適應控制策略。楊明博等[11]針對機械手的軌跡跟蹤控制，提出一種滑模自適應控制算法，解決了由于內部參數不確定導致的不穩定問題。楊劍峰等[12]通過采用兩個RBFNN，運用熵聚類-徑向基函數學習算法實現對機械臂軌跡跟蹤控制。柘龍炫等[13]采用RBFNN對6自由度機械臂軌跡進行優化，降低了機械臂軌跡運動偏差，提高了精確度?！?br>