一种面向模型不确定性补偿的机械臂动态约束控制方法及系统

本发明公开一种面向模型不确定性补偿的机械臂动态约束控制方法及系统，具体为：建立机械臂系统的数学模型，并引入障碍函数将系统的状态约束控制问题转换为稳定性控制问题；基于多层前馈神经网络设计神经网络估计器，对系统遭受的匹配与非匹配内源扰动进行估计；设计基于神经网络估计器的扰动观测器，对系统的其他匹配与非匹配扰动进行估计；接着设计机械臂动态约束智能控制器和神经网络自适应律；选取神经网络权值参数的初始值及自适应律矩阵以及控制器参数，对机械臂进行动态约束控制。本发明能够在有效补偿模型不确定性的同时，实现高精度轨迹跟踪，并严格保证系统状态不超出动态约束范围，提高了机械臂系统在复杂工况下的控制精度、适应性和可靠性。