摘要：為解決機(jī)器人動(dòng)力學(xué)模型未知問(wèn)題并提升系統(tǒng)魯棒性,本文基于擾動(dòng)觀測(cè)器,考慮動(dòng)力學(xué)模型未知的情況,設(shè)計(jì)了一種自適應(yīng)神經(jīng)網(wǎng)絡(luò)(Neural network, NN)跟蹤控制器.首先分析了機(jī)器人運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型,針對(duì)模型已知的情況,提出了剛體機(jī)械臂通用模型跟蹤控制策略;在考慮動(dòng)力學(xué)模型未知的情況下,利用徑向基函數(shù)(Radial basis function, RBF)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)基于全狀態(tài)反饋的自適應(yīng)神經(jīng)網(wǎng)絡(luò)跟蹤控制器,并通過(guò)設(shè)計(jì)擾動(dòng)觀測(cè)器補(bǔ)償系統(tǒng)中的未知擾動(dòng).利用李雅普諾夫理論證明所提出的控制策略可以使閉環(huán)系統(tǒng)誤差信號(hào)半全局一致有界(Semi-globally uniformly bounded, SGUB),并通過(guò)選擇合適的增益參數(shù)可以將跟蹤誤差收斂到零域.仿真結(jié)果證明所提出算法的有效性并且所提出的控制器在Baxter機(jī)器人平臺(tái)上得到了實(shí)驗(yàn)驗(yàn)證.