Resumen

Aunque el control adaptativo para manipuladores robóticos ha sido ampliamente estudiado, la mayoría de ellos requieren las señales de aceleración de las articulaciones, las cuales suelen ser difíciles de medir directamente. Aunque las redes neuronales (NN) se han utilizado para aproximar la dinámica no lineal desconocida en los sistemas robóticos, las leyes adaptativas convencionales para actualizar los pesos de las NN no pueden garantizar que los pesos de las NN obtenidos converjan a sus valores ideales, lo que podría degradar la respuesta del control de seguimiento. Para abordar estos dos problemas, se incorpora un nuevo algoritmo adaptativo con el error de los pesos de las NN extraídos en el control adaptativo, donde se superpone un término de fuga novedoso en el método de gradiente. Utilizando el enfoque de Lyapunov, la convergencia tanto del error de seguimiento como del error de estimación pueden garantizarse simultáneamente. Además, se introducen dos funciones auxiliares para reformular el modelo robótico para diseñar la ley adaptativa, y se

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Control adaptativo; Manipuladores robóticos; Redes neuronales; Leyes adaptativas; Control de seguimiento; Enfoque de Lyapunov
• Keywords:Adaptive control; Robotic manipulators; Neural networks; Adaptive laws; Tracking control; Lyapunov approach