Điều khiển trượt bền vững dựa trên chế độ Quasi mới và bộ quan sát mạng nơ-ron nhân tạo thích ứng cho robot

Tóm tắt

Nghiên cứu này thiết kế và đánh giá kết quả mô phỏng bộ điều khiển trượt bền vững dựa vào chế độ Quasi mới và bộ quan sát mạng nơ-ron nhân tạo (RBFNN: Radial basis function neural network) thích nghi cho robot. Robot công nghiệp (tay máy robot) là một tay máy đa chức năng, có thể được lập trình để thực hiện các nhiệm vụ nguy hiểm và/hoặc lặp đi lặp lại với độ chính xác cao. Bộ quan sát mạng nơ-ron RBFNN bền vững thích nghi được sử dụng để ước lượng các trạng thái và hàm phi tuyến trong mô tả toán học của robot. Bộ điều khiển trượt dựa vào chế độ Quasi mới kết hợp với bộ quan sát mạng nơ-ron RBFNN bền vững thích nghi để điều khiển bám quỹ đạo robot với các chỉ tiêu chất lượng đạt được phù hợp. Các trọng số của mạng nơ-ron RBFNN được cập nhật trực tuyến. Tính ổn định của các phương pháp điều khiển đề xuất đều được chứng minh bằng lý thuyết ổn định Lyapunov. Các kết quả mô phỏng trong MATLAB/Simulink đã cho thấy hiệu quả, tính bền vững của phương pháp đề xuất với thời gian tăng đạt 0,4656(s), thời gian xác lập là 0,7690(s), sai số xác lập là 0(rad), độ vọt lố là 0(%), các giá trị của RMSE (Root Mean Squared Error), IAE (Integral Absolute Error) và ISE (Integral Square Error) lần lượt là 1,7549e-06, 0,0222 và 0,001124.