基于归零神经动力学的机械臂无重置迭代学习控制方法

本发明涉及机械臂控制领域，提供一种基于归零神经动力学的机械臂无重置迭代学习控制方法，包括建立机械臂动力学模型、构建基于归零神经动力学快速终端滑模面、设计基于归零神经动力学快速终端滑模面的无重置迭代学习控制等步骤，本发明通过基于归零神经动力学设计快速终端滑模面，提升机械臂系统的收敛性能，使其在有限时间内快速稳定；利用快速终端滑模面的强鲁棒性，有效抑制外部扰动和模型不确定性对机械臂系统的影响，增强抗干扰能力，提高鲁棒性；本发明无重置迭代学习控制方法在每次迭代中自动提供初始状态值，避免了传统迭代学习控制对重置条件的依赖，通过迭代学习不断修正控制输入，显著提升轨迹跟踪的精确性和重复控制的一致性。