Adaptive RBF Neural Network Sliding Mode Control for a DEAP Linear Actuator
Adaptive RBF Neural Network Sliding Mode Control for a DEAP Linear Actuator
复制标题
DEAP 线性执行器的自适应 RBF 神经网络滑模控制
DOI：
10.23940/ijpe.17.04.p7.400408
复制
发表时间：
2017-07
期刊：
影响因子：
--
通讯作者：
Wang Qinglin
中科院分区：
文献类型：
--
作者：
Qiu Dehui;Chen Yu;Wang Qinglin
电介质电活性聚合物（DEAP）是一种新型的智能材料，被称为“人工肌肉”，在仿生机器人领域有着巨大的应用潜力。然而，这种材料普遍存在迟滞非线性，会降低跟踪精度和系统稳定性。针对这种情况，提出了一种径向基函数（RBF）神经网络与滑模控制算法相结合的二阶DEAP直线驱动器。首先，采用基于Prandtl-Ishlinskii（P-I）模型的逆迟滞算子消除迟滞现象。其次，设计了一种自适应RBF神经网络滑模控制器，以获得较高的跟踪精度并保持系统稳定。该算法使跟踪误差收敛到零，并在外部干扰和参数变化的情况下保持系统全局稳定。仿真结果表明，所提出的控制器具有优于纯滑模控制器。
Dielectric electro-active polymer (DEAP) is a new smart material named “artificial muscles”, which has a remarkable potential in the field of biomimetic robots. However, hysteresis nonlinearity widely exists in this material, which will reduce the performance of tracking precision and system stability. To deal with this situation, a radial basis function (RBF) neural network combined with sliding mode control algorithm is presented for a second-order DEAP linear actuator. Firstly, an inverse hysteresis operator based on Prandtl-Ishlinskii (P-I) model is used to eliminate hysteresis behavior. Secondly, an adaptive RBF neural network sliding mode controller is designed to obtain high tracking accuracy and keep system stability. The proposed algorithm makes the tracking error converge to zero and keeps the system globally stable in the case of external disturbances and parameter variations. Simulation results demonstrate that the proposed controller has the superiority to a pure sliding mode controller.
登录
查看更多内容
影响因子：
3.4
作者：
Kuhnen, K
通讯作者：
Kuhnen, K
影响因子：
8.6
作者：
MAYERGOYZ, ID
通讯作者：
MAYERGOYZ, ID
DOI：
10.1109/acc.2012.6315107
发表时间：
2012-06
期刊：
2012 American Control Conference (ACC)
影响因子：
--
作者：
L. Riccardi;D. Naso;B. Turchiano;H. Janocha;D. Palagachev
通讯作者：
L. Riccardi;D. Naso;B. Turchiano;H. Janocha;D. Palagachev
影响因子：
5.2
作者：
Zhang, Jun;Iyer, Kaushik;Yip, Michael C.
通讯作者：
Yip, Michael C.
DOI：
10.1109/acc.2012.6315559
发表时间：
2012-06
期刊：
2012 American Control Conference (ACC)
影响因子：
--
作者：
M. Edardar;Xiaobo Tan;H. Khalil
通讯作者：
M. Edardar;Xiaobo Tan;H. Khalil