针对具有全状态约束的机械臂自适应变增益滑模控制方法

本发明公开了一种针对具有全状态约束的机械臂自适应变增益滑模控制方法，使用神经网络对于机械臂系统中未知动力学、不确定的参数和外部扰动等不确定性因素来进行估计。包括如下步骤：针对n阶的机械臂系统进行动力学建模，并且确定控制目标：在机械臂系统的角度、速度受到对称约束的情况下，构建一种自适应控制器，使得机械臂能够跟随给定的参考轨迹。设计神经网络来估计系统中的未建模部分、参数的不确定部分、摩擦力和外界扰动。设计一种新的变增益滑模面根据系统状态与预定义约束的接近程度来调整增益，构建一种自适应滑模控制用来处理状态约束。构建基于复合学习的神经网络学习模块，根据跟踪误差和神经网络权重估计误差更新神经网络权重。