粒子群优化的ANFIS-SSMC：机器人模糊控制中的鲁棒位置跟踪策略

本文主要探讨了"粒子群算法优化的机器人模糊滑模控制策略"在电气系统与信息技术领域的应用，发表在2017年的《电气系统与信息技术学报》第4期，第243页。作者M.德巴希沙·耶拿·维杰来自印度NITK的电气工程系，他们的研究专注于提高二自由度刚性机器人的控制性能。 论文的核心内容首先介绍了滑模控制（SMC）与比例积分微分（PID）相结合的控制方法，用于实现机器人操作器的精确控制。滑模面参数的优化至关重要，通过粒子群优化算法（PSO）来最小化一个二次型性能指标，旨在增强系统的稳定性与响应速度。 接着，作者提出了两种改进的滑模控制策略：边界滑模控制（BSMC）和带PID滑模面的边界滑模控制（PIDBSMC）。这些方法进一步提升了控制器的鲁棒性，使得机器人能够更好地应对外部扰动和不确定性。 为了增强控制系统的自适应能力，作者引入了神经模糊推理系统（ANFIS）与滑模控制的结合。ANFIS作为一种基于人工智能的自适应控制器，能够生成自适应控制信号，显著提高了系统对输入转矩中扰动的抑制能力，从而确保位置跟踪的准确性。 整个研究关注了机器人控制的关键目标——跟随参考轨迹，并通过非线性控制方法，特别是滑模控制，来实现这一目标。由于机器人系统的复杂性，以及对鲁棒性和适应性的需求，滑模控制和ANFIS的集成方案展现出巨大的潜力和实际价值。 本文的研究成果对于设计和实施高效、鲁棒的机器人控制系统具有重要意义，同时也为未来的智能机器人技术发展提供了新的理论支持。该研究受到了电子研究所（ERI）的同行评审，并在Elsevier的ScienceDirect平台上公开发布，遵循了CCBY-NC-ND许可证，允许在特定条件下进行分享和使用。