TY -的A2 -李,延安AU -王,分盟——你们惠普AU - Chen Zhiguang PY - 2017 DA - 2017/10/31 TI -神经学习控制灵活的关节机械手使用预定义的巴克斯特机器人跟踪性能和应用SP - 7683785六世- 2017 AB -本文主要关注神经学习自适应神经控制(ANC)的输出跟踪约束下的挠性接头操纵者。为了方便设计,介绍了一个新的转换函数将约束跟踪误差转化为无约束误差变量。然后,一种新颖的自适应神经动态面控制方案结合神经普遍提出的近似。该控制方案不仅减少神经输入的维数也减少了神经接近者的数量。此外,它可以验证所有的闭环信号一致最终有界和约束跟踪误差收敛于一个小社区有限时间一分之零。尤其是神经输入变量的数量的减少简化了持续的验证神经网络励磁(PE)条件(NNs)。随后,拟议中的ANC递归地验证方案能够获取和存储知识的神经权重未知系统动力学常数。通过重用存储知识,学习神经控制器开发更好的控制性能。仿真结果在一个单键巴克斯特机器人柔性关节机械臂和实验结果说明了该方案的有效性。SN - 1076 - 2787你——https://doi.org/10.1155/2017/7683785——10.1155 / 2017/7683785 JF - PB - Hindawi KW - ER -复杂性