● 摘要
反演（Backstepping）控制设计方法是针对不确定性系统的一种系统化的控制器综合方法，是将Lyapunov 函数的选取与控制器的设计相结合的一种回归设计方法。它通过从系统的最低阶次微分方程开始，引入虚拟控制的概念，一步一步设计满足要求的虚拟控制，最终设计出真正的控制律。本文将立足于反演控制设计方法，并结合RBF神经网络良好的在线逼近特性，对机器人进行控制问题的研究。本文主要从以下两个方向展开讨论：一是针对不确定柔性机器人，给出反演控制器的设计方法，并对不确定模型部分采用RBF神经网络技术在线逼近，然后通过选好的Lyapunov函数给出权值的调节算法，最终通过仿真分析验证该设计方法的正确性以及优越性；二是针对状态不可测的机器人系统，设计基于RBF神经网络的在线状态观测器，然后在此基础上通过反演控制设计方法给出控制器的设计方案，通过严格推导证明了算法的正确性，并仿真分析了最终的控制效果。本文主要立足在前人的工作，即反演控制设计方法在解决非线性系统控制问题的研究基础之上，引入RBF神经网络技术，来解决机器人中的控制问题。于是，本论文研究中的创新点主要体现在，结合了RBF神经网络技术的反演控制设计方法，对解决机器人控制问题中的不确定、非匹配、精确控制难等问题的有效性，并通过给出了完整RBF神经网络及控制器设计的步骤、证明、仿真分析以及比较，证实了本文提出方法的先进性。