首页|双体负压爬壁机器人神经网络非奇异滑模控制

双体负压爬壁机器人神经网络非奇异滑模控制

扫码查看
原文链接
  • 万方数据
  • 维普
针对自主研制的双体负压滚动吸附式爬壁机器人控制中存在模型参数不确定和外部干扰等问题,设计了一种径向基神经网络(RBFNN)结合改进趋近律的准滑动模态控制的自适应轨迹跟踪控制方法.在对双体负压爬壁机器人建立动力学模型的基础上,采用RBF神经网络逼近系统未知非线性动力学,消除外界未知干扰以及建模误差对系统的影响,实现了对双体负压爬壁机器人系统的精确控制.最后,将该控制方法应用于双体负压爬壁机器人进行实验验证,仿真结果和实验结果证明该方法在双体负压爬壁机器人轨迹跟踪中具有更快的收敛速度和削弱系统抖振的能力.
Nonsingular Sliding Mode Control of Double-Body Negative Pressure Wall-Climbing Robot Based on Neural Networks

颜文俊、徐林森、孔令成、刘进福

展开 >

常州大学 微电子与控制工程学院,江苏 常州 213164

河海大学 机电工程学院,江苏 常州 213022

常州市智能制造技术与装备重点实验室,江苏 常州 213022

中国科学院合肥物质科学研究院先进制造技术研究所,江苏 常州 213164

常州工业职业技术学院,江苏 常州 213164

展开 >

双体负压爬壁机器人 径向基神经网络 准滑动模态控制 轨迹跟踪

江苏省自然科学基金江苏省产业前瞻与关键核心技术重点项目江苏省高等学校自然科学基金-面上项目常州市应用基础研究计划

BK20220241BE2022063-321KJB460006CJ20210040

2024

10.3969/j.issn.1009-0134.2024.08.004

制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
年,卷(期)：2024.46(8)