TY -的A2 -李,延安AU -王,分盟,张Yanwen盟——你们惠普PY - 2017 DA - 2017/08/14 TI -不确定机器人的动态学习自适应神经控制保证全状态跟踪精度SP - 5860649六世- 2017 AB -一个动态的学习方法是一个不确定的开发 n 链接机器人未知系统动力学,实现预定义的性能属性链接上角的位置和速度跟踪错误。对于一个已知的非奇异的初始机械条件、性能函数和无约束转换错误是用来防止违反了全状态跟踪误差的约束。通过结合两个独立的李雅普诺夫函数和径向基函数(RBF)神经网络(NN)接近者,小说和简单的自适应神经控制方案提出了无约束的动态转换错误,保证均匀最终在闭环系统所有信号的有界性。稳态控制过程,验证RBF NNs来满足部分持续激发(PE)条件。随后,采用适当的状态转换实现神经重量的准确收敛估计。相应的经验知识未知机器人动态存储在NNs常神经重量值。使用存储的知识,一个静态神经学习控制器开发改善全状态跟踪性能。比较2-link机器人仿真研究说明了该方案的有效性。SN - 1076 - 2787你——https://doi.org/10.1155/2017/5860649——10.1155 / 2017/5860649 JF - PB - Hindawi KW - ER -复杂性