19、神经网络机器人控制：从单一层到两层网络的深入解析

神经网络机器人控制：从单一层到两层网络的深入解析

1. 功能链接神经网络（FLNN）控制器设计与仿真

1.1 控制器设计背景

在机器人控制领域，FLNN 控制器展现出独特优势。它无需系统动力学的详细知识，甚至不依赖自适应控制所需的系统结构信息，这使得其设计更为简便。

1.2 两连杆机器人手臂的案例分析

以平面两连杆旋转手臂为例，其动力学复杂。选取手臂参数为 (a_1 = a_2 = 1 m)，(m_1 = 0.8 kg)，(m_2 = 2.3 kg)，并设定期望轨迹 (q_{1d}(t) = \sin(t))，(q_{2d}(t) = \cos(t))。下面对不同控制器进行分析：
- 自适应控制器 ：之前设计的自适应控制器需要计算复杂的回归矩阵。若矩阵元素未知，对应未建模动力学，其性能会很差。
- 带反向传播权重调整的 FLNN 控制器 ：编写 MATLAB M 文件进行仿真。控制器参数设定为 (K_v = diag{20, 20})，(F = diag{50, 50})，(A = diag{5, 5})。基集 (\phi(x)) 按相关章节详细选取。仿真中，初始条件 (q(0) = 0)，(\dot{q}(0) = 0)，初始神经网络权重为零。跟踪性能尚可，但所需权重值较大，不过在某些条件下权重似乎能保持有界。且无需初始神经网络训练或学习阶段，权重在线实时调整，随着学习进行，跟踪误差减小。
- 带增强权重调整的 FLNN 控制器 ：同样进行仿真，参数 (K_v = diag{20, 20})，(F = dia