控制理论与应用模糊小波基神经网络的机器人轨迹跟踪控制孙炜王耀南（湖南大学电气与信息工程学院，湖南长沙410082）隶属函数，可在线根据误差调整隶属函数的形状，使模糊神经网络具有更强的学习和适应能力。仿真与。整个网络分为两个子网，每个子网代表一个关节的伺服控制器，考虑到关节之间的耦合作用，两子网的输出U1和U2分第3层代表“and”操作，在此网络中用乘法代替取小运算。i=1一n第i层将输入（误差、误差变化率）引入网络。每个输入的论域均为。

　　（7）进行模糊化。对应于每个输入有3个模糊语言词集（N，Z，P）如第4层代表去模糊化过程。

　　第5层代表关节之间的耦合作用。

　　在本文中，网络的输入Xoi，xti由各关节的跟踪误差、误差变化率乘以量化因子得来；网络的输出y乘以放大因子得到作用于各关节的力矩大小。

　　网络采用梯度法来进行学习，对和小波基函数的伸缩因子a平移因子b进行调整。定义目标函数为根据式（21）可调整⑴（4）根据式（23）（25）可调整w3），n，nn为学习率。

　　必说泛（k）―