日前,機械工程學院國凱課題組在電氣和電子工程師協會主辦的機電領域Top期刊IEEE Transactions on Industrial Electronics(中科院JCR期刊1區,IF=7.503)上發表論文,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。機械工程學院國凱助理研究員為論文第一作者,山東大學為第一完成單位。該項工作得到了國家自然科學基金面上項目、青年項目,山東省重點研發計劃和山東大學青年學者未來計劃等項目的資助。
由于機器人系統存在複雜的非線性特性,系統中的未建模動态和外幹擾會對高性能軌迹跟蹤控制産生較大不利影響。在傳統的機器人自适應控制方法中,多基于持續激勵條件假設,導緻控制結果較為保守,适用性受到限制。在該研究中,國凱課題組針對機器人高性能軌迹跟蹤控制中的未知參數精确建模、辨識及補償問題,提出了一種神經網絡複合學習控制方法。針對系統未知參數進行在線複合自适應學習,通過曆史數據和在線數據并聯驅動未知參數實時更新,在interval-excitation條件下即可保證參數估計值收斂。針對複合學習過程中的變量替換問題,提出了分區神經網絡控制結構,提高了非線性不确定項的學習精度,避免了對系統信号高階導數項的需求,提高了閉環系統的魯棒性。該工作證明了神經網絡複合學習控制方法的有效性和優越性,為機器人高性能控制提供了新思路。
在過去幾年内,該課題組在機器人、機電系統非線性控制等方面進行了深入研究,連續在機電領域的多個著名期刊Automatica、IEEE Transactions on Industrial Electronics、Automation In Construction等發表多篇高水平論文。
相關鍊接:https://ieeexplore.ieee.org/document/8584486