买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学

摘要：本发明涉及一种基于神经网络的主辅电机协同驱动系统滑模控制方法，包括以下步骤，主辅电机协同驱动系统建模，确定主电机和辅电机之间的运动关系式；基于神经网络的主辅电机协同驱动系统滑模控制器设计，将预置的主电机目标轨迹以及主电机和辅电机之间的运动关系式输入滑模控制器中获取滑模控制律；将滑模控制律输入主辅电机协同驱动系统，实现主电机和辅电机的精确控制。当主电机和辅电机在受力以及外界扰动不一致时，主电机能够准确地跟踪其运动轨迹，同时辅电机能够相应的跟随主电机运动，能够控制主电机和辅电机的轨迹跟踪误差保持在较小的范围内，提升了主辅电机协同驱动系统的鲁棒性、轨迹跟踪精度和抑制抖振等方面的性能。

主权项：1.一种基于神经网络的主辅电机协同驱动系统滑模控制方法，其特征在于：包括以下步骤，主辅电机协同驱动系统建模，确定主电机和辅电机之间的运动关系式；基于神经网络的主辅电机协同驱动系统滑模控制器设计，将预置的主电机目标轨迹以及主电机和辅电机之间的运动关系式输入滑模控制器中获取滑模控制律；将滑模控制律输入主辅电机协同驱动系统，实现主电机和辅电机的精确控制；主电机和辅电机之间的运动关系式为：ls＝f2lm；lm为主电机运动所引起肌腱的位移，ls为辅电机运动所引起肌腱的位移；控制器的设计步骤包括，主辅电机动力学方程为： 其中，μm和μs分别为主电机和辅电机的控制输入，和分别为主电机和辅电机所受到的各种外界扰动；控制目标为主电机在跟随目标轨迹lt＝f1t运动时，辅电机跟随主电机运动；预置的主电机目标轨迹为：f1t＝-0.000039936t3+0.0032366t2+0.34478t-0.17236；采用RBF神经网络逼近扰动项δx；将RBF神经网络设计为： 其中，X是输入向量，Cj是第j个基函数中心值，bj表示基函数第j个中心点宽度的标准化常数，为高斯函数，W*∈Rq×2是神经网络的理想权值，εX是近似误差，εN是近似误差εX的上限；网络输出为： 其中，为W*的估计值；针对主电机和辅电机，分别取滑模函数： 令其中，em＝lm-lt，es＝ls-f2lm，则αm、αs为滑模面函数误差放大系数；则 采用指数趋近律，有：其中ε0,k0，切换函数gs＝sgns，得： 基于此，设计滑模控制律为：

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于神经网络的主辅电机协同驱动系统滑模控制方法