一种基于FLNN神经网络带有ESO力矩补偿的最优控制方法及系统

本申请涉及非线性机器人运动控制技术领域，特别是涉及一种基于FLNN神经网络带有ESO力矩补偿的最优控制方法及系统，所述方法包括以下步骤：构建二连杆机械臂动态机器人的系统模型；采用功能链接FLNN神经网络，估算非线性补偿力矩；根据所述系统模型的系统误差生成最优反馈控制力矩；采用扩展状态观测器ESO力矩补偿，将影响所述系统模型的动态因素统一视为总不确定性进行实时估计，生成总不确定性补偿力矩；基于非线性补偿力矩、最优反馈控制力矩以及总不确定性补偿力矩，生成总控制力矩，将总控制力矩施加于所述二连杆机械臂动态机器人。采用本方法能够有效补偿机器人内部复杂非线性动力学，同时能避免抖振问题。