一种基于混合学习机制的机器人系统神经网络控制方法

本发明公开了一种适用于机器人系统的神经网络渐近跟踪控制方法，该方法通过模拟生物神经系统的自适应特性，在传统回声状态网络中引入突触可塑性和内部可塑性，前者动态调神经元连接权重，后者自适应调节神经元动态特性，实现神经网络权值与神经元状态同步优化学习，形成了具备混合学习机制的回声状态网络。通过将该新型神经网络与鲁棒误差符号积分（RISE）控制器相结合，借助神经网络强大的非线性逼近能力和RISE控制器的积分特性和鲁棒机制，有效处理了机器人系统中广泛存在的未知非线性部分，实现了机器人系统对期望轨迹的渐近跟踪控制，仿真结果验证了所提方法的有效性与稳定性。