提出了一种基于滑模函数模式控制器（FSMC）的控制策略，用于不确定机械臂的轨迹跟踪控制。先，利用动态模型和滑模函数得到系统的不确定性，然后用RBF神经网络逼近系统的不确定性。
经网络逼近有误差和错误在初始步骤中很重要，热敏元件然后设计滑动模式控制器。且鲁棒补偿项补偿了神经网络的逼近误差，解决了普通滑模控制器容易导致的聊天问题，提高了系统的跟踪性能.Lyapunov理论证明了稳定性全局闭环系统，仿真实验该方法的有效性也得到了验证。
键词：机械手，滑动功能模式，神经网络，轨迹跟踪，滑模控制中图分类号：TP242文献标识码：A引言近年来，关于后续控制问题的研究成果很多机械手的轨迹[1-3]。
于机械手是一个包含强非线性耦合和不确定性的复杂系统，其精确控制一直是控制领域的热点和难点，其滑动控制方法得到了广泛的应用。方法通过控制器本身的改变迫使系统沿着指定的状态轨迹在特定的状态轨迹上执行低幅度高频滑动模式运动，这具有以下优点：参数和未知干扰，快速响应和在线识别系统没有变化。
[4]文献[5]提出了利用该函数RadialBasis（RBF）中robot.En控制系统相结合，后者与滑动模式控制器来近似不确定性的神经网络得到更好的控制效果。滑模式下设计控制器时，不考虑抖振消除的问题，控制系统的整体性能受到影响，实际系统中的应用受到限制。[6]滑模控制功能是在设计控制器的公共控制器关联于所述滑动模式和随时间变化的变量函数，其可以以灵活的方式取决于系统的结构特点和的要求进行设计的方法控制器设计。
此，当可变功能设计合理时，滑模控制功能可以克服普通滑模控制器固有的缺点，提高控制系统的整体性能。文提出了一种基于功能滑移模式的机械臂轨迹跟踪控制方法，并根据系统不确定度的近似程度设计了时变函数。模控制器功能可以弥补神经网络的逼近误差相对于系统的不确定性，解决干扰问题比普通滑模控制器易于安装的系统，提高动态性能控制系统。
控制器设计方法具有很大的灵活性，结构简单，易于实现和强大的技术适用性，以及对实际系统中光滑控制应用的参考重要性。述系统的多关节机器人可以看作是一个刚性链接[7]。迹跟踪控制问题描述如下：给出机器人每个关节的所需角度轨迹，设计控制器并获得控制扭矩，使机器人能够满足在此定义的跟踪条件。
定的初始状态，实现跟踪轨迹的目标[8]。
上所述，针对机械臂轨迹跟踪控制不可靠的问题，提出一种基于功能滑移模式的轨迹跟踪控制方法，可以提供更好的结果。RBF神经网络用于近似系统的非线性不确定性。经网络权重的自适应定律是在Lyapunov函数的方法的基础上确定的。
计的滑模控制器可以根据神经网络对系统不确定性的近似动态修改控制律，当神经网络逼近误差较大时，滑模控制律增大。近似误差减小时，滑动模式减小。
制律保证了控制系统良好的动态性能，解决了滑模控制器容易引起的颤振问题。
真实验将常用滑模控制器与滑模功能模式控制器进行了对比，验证了该方案的有效性。
制器设计方法具有很大的灵活性，可以应用于不同的实际控制系统，以及滑模控制在机械手控制系统中应用的一些参考重要性。
本文转载自
热敏元件www.wisdom-thermostats.com