一种基于DNN架构的机械臂自适应控制方法

本发明公开一种基于深度神经网络(DNN)架构的针对具有预设精度要求和不确定参考轨迹的机械臂系统的自适应控制方法，涉及机械臂系统控制领域；该方法包括：步骤1，建立单连杆机械臂系统的动力学模型，将系统动力学模型转化为状态模型；步骤2，设计用于轨迹重构的DNN训练集和评价指标，利用DNN预测不确定的参考轨迹；步骤3，设计函数近似DNN架构，对系统中存在的不确定非线性函数进行估计；步骤4，设计两个Cn类函数，将预设的跟踪精度问题转化为怎样使函数Ξ(t)的积分始终有界的问题；步骤5，设计最终控制器，使函数Ξ(t)的积分始终有界。本发明针对具有预设精度和不确定参考轨迹的不确定机械臂系统，设计了一种基于DNN架构的自适应反步控制器，可以基于参考轨迹的历史数据使用DNN预测当前和下一个采样时间之间的轨迹，并对系统中未知的非线性项进行补偿，从而实现预设跟踪精度控制。