Control Suave de Tiempo Predefinido Basado en Neuro-Adaptación para Manipuladores con Perturbación

En este artículo, se investiga una estrategia de control adaptativo de seguimiento de tiempo predefinido utilizando una red neuronal (NN) para sistemas robóticos con perturbaciones externas. Primero, bajo el criterio de estabilidad de tiempo predefinido, se construye un nuevo controlador de par con tiempo controlado, que permite que el tiempo de convergencia del sistema se establezca de antemano. Esto es propicio para que los manipuladores realicen tareas de seguimiento de trayectoria que requieren tiempos de convergencia específicos. Además, los términos continuos se construyen mediante un cambio suave entre los términos fraccionarios y cúbicos de dependencia del estado. Esta solución resuelve con éxito los problemas de singularidad. Además, para compensar la no linealidad desconocida y la perturbación de par, se establecen dos leyes de actualización adaptativas diferentes, respectivamente. Además, se demuestra la estabilidad rigurosa basada en la teoría de Lyapunov de tiempo predefinido. Finalmente, se confirma y valida la precisión y eficiencia del algoritmo de control de tiempo predefinido basado en NN a través de simulaciones numéricas y experimentos prácticos realizados con el robot Baxter.