从机器人输出反馈自适应神经控制中学习

针对系统参数完全未知且仅输出可测的机器人, 使用径向基函数(RBF) 神经网络和高增益观测器设计了一 种自适应神经控制算法. 该算法不仅实现了闭环系统所有信号的最终一致有界, 而且沿周期跟踪轨迹实现了对未知 闭环系统动态的确定学习. 学过的知识可用来改进系统的控制性能, 也可应用于后续相同或相似的控制任务以节约 时间和能量. 仿真研究表明了所设计的控制算法的正确性和有效性.