日前，機(jī)械工程學(xué)院國(guó)凱課題組在電氣和電子工程師協(xié)會(huì)主辦的機(jī)電領(lǐng)域Top期刊IEEE Transactions on Industrial Electronics（中科院JCR期刊1區(qū)，IF=7.503）上發(fā)表論文，題目為“Composite Learning Robot Control With Friction Compensation: A Neural Network-Based Approach”，該成果于2020年1月入選為Web of Science高被引論文。機(jī)械工程學(xué)院國(guó)凱助理研究員為論文第一作者，山東大學(xué)為第一完成單位。該項(xiàng)工作得到了國(guó)家自然科學(xué)基金面上項(xiàng)目、青年項(xiàng)目，山東省重點(diǎn)研發(fā)計(jì)劃和山東大學(xué)青年學(xué)者未來(lái)計(jì)劃等項(xiàng)目的資助。
由于機(jī)器人系統(tǒng)存在復(fù)雜的非線性特性，系統(tǒng)中的未建模動(dòng)態(tài)和外干擾會(huì)對(duì)高性能軌跡跟蹤控制產(chǎn)生較大不利影響。在傳統(tǒng)的機(jī)器人自適應(yīng)控制方法中，多基于持續(xù)激勵(lì)條件假設(shè)，導(dǎo)致控制結(jié)果較為保守，適用性受到限制。在該研究中，國(guó)凱課題組針對(duì)機(jī)器人高性能軌跡跟蹤控制中的未知參數(shù)精確建模、辨識(shí)及補(bǔ)償問題，提出了一種神經(jīng)網(wǎng)絡(luò)復(fù)合學(xué)習(xí)控制方法。針對(duì)系統(tǒng)未知參數(shù)進(jìn)行在線復(fù)合自適應(yīng)學(xué)習(xí)，通過歷史數(shù)據(jù)和在線數(shù)據(jù)并聯(lián)驅(qū)動(dòng)未知參數(shù)實(shí)時(shí)更新，在interval-excitation條件下即可保證參數(shù)估計(jì)值收斂。針對(duì)復(fù)合學(xué)習(xí)過程中的變量替換問題，提出了分區(qū)神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)，提高了非線性不確定項(xiàng)的學(xué)習(xí)精度，避免了對(duì)系統(tǒng)信號(hào)高階導(dǎo)數(shù)項(xiàng)的需求，提高了閉環(huán)系統(tǒng)的魯棒性。該工作證明了神經(jīng)網(wǎng)絡(luò)復(fù)合學(xué)習(xí)控制方法的有效性和優(yōu)越性，為機(jī)器人高性能控制提供了新思路。
在過去幾年內(nèi)，該課題組在機(jī)器人、機(jī)電系統(tǒng)非線性控制等方面進(jìn)行了深入研究，連續(xù)在機(jī)電領(lǐng)域的多個(gè)著名期刊Automatica、IEEE Transactions on Industrial Electronics、Automation In Construction等發(fā)表多篇高水平論文。
相關(guān)鏈接：https://ieeexplore.ieee.org/document/8584486
友情鏈接：