Adaptive proportional integral differential control based on radial basis function neural network identification of a two-degree-of-freedom closed-chain robot

摘要

一个靠近链的机器人比一个开链的机器人有几个优点，例如高机械的刚硬，高收费载重，高精确。一个机器人的精确轨道控制在实际使用是必要的。这篇论文基于光线的基础功能(RBF ) 论述一个适应比例的不可分的 differential (PID ) 控制算法为轨道追踪 two-degree-of-freedom (2-DOF ) 的神经网络靠近链的机器人。在这个计划，一个 RBF 神经网络被用来接近机器人的未知非线性的动力学同时， PID 参数能在网上被调整，高精确能被获得。模拟结果证明控制算法精确地追踪 2-DOF 靠近链的机器人轨道。结果也显示系统坚韧性和追踪的性能比经典 PID 方法优异。