基于低通滤波器的不确定机器人迭代学习控制

摘　　　要：针对不确定机器人系统轨迹跟踪问题，并更好地消除系统不确定性对控制性能的影响，提出一种基于低通滤波器的迭代学习控制方法。采用滑模变结构控制（ＳＭＣ）以提高控制器对系统干扰和摄动的鲁棒性，并在控制器输出端引入低通滤波器（ＬＰＦ）来消除滑模控制中出现的抖振现象。将系统的不确定项描述为周期性和非周期性两部分，通过采用迭代学习算法对周期性不确定部分进行迭代学习，采用ＲＢＦ神经网络对非周期性不确定部分的未知上界进行自适应学习。该控制方法不仅对系统的不确定性...