基于融合深度神经网络的刚柔耦合机械臂优化控制系统设计

来源：计算机测量与控制杂志2026年第6期北京时间：

作者：王博,段竹,汪德忠,王文明

单位：西安交通大学城市学院 计算机学院

摘要：刚柔耦合机械臂融合了刚性元件的稳定承载能力与柔性结构的灵活适应性，这种灵活性也导致了机械臂中刚性元件与柔性结构之间的复杂耦合关系，这种耦合关系会随着机械臂的运动而动态变化，引发运动扰动，难以生成有效的补偿调节信号抵消扰动影响，降低控制精度。针对上述问题，设计基于融合深度神经网络的刚柔耦合机械臂优化控制系统。通过跟踪机械臂位姿输入信号的变化定义其高阶导数，捕捉位姿信号的变动，准确判定机械臂位置。设计耦合模块扩展状态观测器估计机械臂位置的扰动状态，生成新的调节信号。将信号输入运动扰动补偿器中，依据补偿项参数取值进行前馈运算，推导准静态过程，对运动扰动进行精准补偿，降低刚性元件、柔性结构之间耦合关系的变化对机械臂运动偏移量造成的扰动。在三维空间中表示机械臂运动位姿，以求解机械臂正向运动学方程，根据耦合观测器的能量动态分布规律，定义机械臂动力学方程，实现对刚柔耦合机械臂的运动学与动力学分析。基于融合深度神经网络构建输入与输出的复杂映射关系，定义多层非线性变换原则，以机械臂运动控制器各模块的输入作为模型输入项，以运动学与动力学表达式作为方程运算标准，基于完整的神经函数校验输入项的运算值，输出满足实际应用需求的机械臂控制条件，完成优化控制。实验结果表明，所设计系统既控制了机器臂末端位姿，又保障了运动轨迹的收敛性能，运动扰动补偿器响应曲线也突出了该系统对机械臂关节角控制的有效性。

关键词：深度神经网络;刚柔耦合;机械臂控制;扰动补偿器;运动位姿;能量动态分布;