Resumen

Se desarrolla un método de aprendizaje dinámico para un robot de -link incierto con dinámica de sistema desconocida, logrando atributos de rendimiento predefinidos en los errores de seguimiento de posición angular y velocidad del eslabón. Para una condición robótica inicial no singular conocida, se emplean funciones de rendimiento y errores de transformación no restringidos para evitar la violación de las restricciones de error de seguimiento de estado completo. Al combinar dos funciones de Lyapunov independientes y un aproximador de red neuronal (NN) de función de base radial (RBF), se propone un esquema de control neural adaptativo novedoso y sencillo para la dinámica de los errores de transformación no restringidos, que garantiza la acotación uniformemente última de todas las señales en el sistema en lazo cerrado. En el proceso de control en estado estable, se verifica que las RBF NN satisfacen la condición de excitación persistente parcial (PE). Posteriormente, se adopta una transformación de estado apropiada para lograr la convergencia precisa de las estimaciones de

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Método de aprendizaje dinámico; Robot de enlace incierto; Dinámica de sistemas; Atributos de rendimiento; Red neuronal; Esquema de control adaptativo
• Keywords:Dynamic learning method; Uncertain -link robot; System dynamics; Performance attributes; Neural network; Adaptive control scheme