Euler-Lagrange系统的混合前馈-反馈极速学习鲁棒自适应跟踪控制

摘要：

本文针对具有系统不确定性和未知外部扰动的Euler-Lagrange系统,提出了一种混合前馈-反馈极速学习鲁棒自适应H∞轨迹跟踪控制策略.通过设计前馈极速学习神经网络逼近器,实现了对系统不确定性的有效逼近;与传统反馈逼近相比,所提出的前馈极速逼近算法,只需要参考量作为逼近器输入,而非参考量和跟踪误差,从而降低了逼近器的输入维度,减少了隐含层节点数,从而极大精简了逼近器结构,降低了运算复杂度;此外,设计H∞鲁棒补偿项,以进一步有效消除未知扰动对控制精度的影响.仿真研究验证了所设计控制策略的有效性.

关键词： Euler-Lagrange系统 轨迹跟踪 混合前馈-反馈控制 极速学习 H∞鲁棒控制

作者: 王宁 冯珂 高颖

作者单位: 大连海事大学 轮机工程学院学校 辽宁省 大连市 116026

会议类型: 国内会议

会议名称: 第十二届中国智能机器人大会

会议地点: 哈尔滨

会议语种:中文

页码: 332-337

在线出版日期: 2017-10-01（万方平台首次上网日期，不代表论文的发表时间）