题目：机器人自适应神经网络控制研究

机器人系统是集机械、电子和控制为一体的高技术设备，机器人技术水平的高低是一个国家科技水平的直接体现。本文的研究对象是机器人的精确轨迹跟踪控制，主要立足于将神经网络控制与自适应控制相结合，构成自适应神经网络，实现对机器人各种非线性环节的精确控制。本文主要研究了两类的基于自适应RBF神经网络的机器人控制和补偿策略：（1） 基于机器人的名义模型控制算法，利用自适应RBF神经网络补偿器，设计了新的神经网络自适应律，对机器人模型误差部分和外界干扰进行有效补偿，并保证系统的最终一致有界稳定性和RBF神经网络权植的有界性。严格理论推导和仿真结果都说明了该算法的有效性。（2） 进一步考虑了机器人执行机构中的非线性环节（如死区），同时兼顾机器人本身的非线性特性，提出了一套完整的机器人神经网络控制策略。整个控制策略包含了一组自适应RBF神经网络控制器和一组自适应RBF神经网络补偿器。神经网络补偿器用来补偿机器人执行机构中的非线性环节并消除其不良影响。GL矩阵极其乘法算子等数学工具被引入用来证明n阶机器人系统的稳定性。本文给出了整个闭环系统完整的稳定性证明。整个这套控制策略可以补偿一大类机器人系统中的执行机构非线性环节。严格理论推导和仿真结果都说明了整个控制策略的有效性。