動的モデル近似スイッチングゲインを用いた不確実ロボットのための神経ネットワークベースのスライディングモード制御

本論文では、不確実ロボットのための新しい神経ネットワークベースのスライディングモード制御（SMC）を提案します。提案された制御スキームの特徴は、スイッチングゲインが動的モデルの近似値として設計されており、未知のダイナミクスと擾乱に適応するために神経ネットワーク戦略を使用して処理されることです。提示された制御スキームでは、ロボットシステムのモデル情報は必要なく、ロボットシステムの各関節において一つのパラメータのみを推定する必要があります。その後、リャプノフ法を利用して、軌道追跡誤差が最終的にゼロの近傍に収束することを証明します。最後に、対照シミュレーション研究の結果、提案された制御スキームにより、従来のSMCで発生する制御入力のチャタリングや高速スイッチングの問題に対処でき、満足のいく制御精度が保証されることが示されます。