径向基激活函数对机器人操作器智能控制器的影响

本文提出了一种用于机器人操作器轨迹跟踪的智能控制框架，该框架使用径向基函数（RBF）神经网络进行在线扰动估计。所提出的控制结构将基于模型的非线性控制与自适应神经逼近器相结合，以补偿参数不确定性、摩擦和未建模动态。基于李雅普诺夫的自适应律与投影保证了闭环信号的有界性和跟踪误差收敛到紧集。本研究的主要目标是探究RBF网络内激活函数的选择如何影响瞬态行为、稳态精度和控制平滑度。该控制器在机器人操作器上实现。实验结果表明，尽管所有核函数都能保持稳定性，但激活函数的选择显著影响自适应动态和实际跟踪性能。这些发现表明，激活函数的选择在智能控制中充当结构设计参数，直接影响自适应动态和实际闭环性能。