基于LuGre 摩擦模型的机械臂模糊神经网络控制

针对未知摩擦非线性会使机械臂控制精度难以提高的缺陷, 建立基于动态LuGre 摩擦的机械臂模型. 在系统参数未知和机械臂负载变化的情况下, 设计一种自适应模糊神经网络控制器, 采用基函数中心和宽度均自适应变化的模糊神经网络补偿器, 实现对系统中包括LuGre 摩擦在内的非线性环节的逼近, 并利用滑模控制项减小逼近误差. 通过Lyapunov 方法证明了闭环系统的稳定性, 并通过仿真结果验证了所提出控制方法的有效性.