针对机械手系统的非线性和不确定性，提出了一种基于径向基函数（RBF）神经网络的模糊滑模控制方法，使机械手以理想的动态品质跟踪给定的轨迹。该方法采用RBF神经网络逼近滑模控制的等效部分，不需要模型信息。同时，设计了一种模糊控制器，根据当前电机点到滑模面的距离自适应调整滑模控制的切换增益，有效地解决了抖振问题。该方法在一定程度上提高了系统的响应和跟踪性能，减少了输入控制的调整时间和抖振。利用Lyapunov定理证明了系统的稳定性。仿真结果表明，针对三自由度机械手系统设计的算法是有效的。

摘要: 针对滑模控制算法本身固有的抖振问题，设计一种新的模糊滑模控制器。利用拉格朗日方法建立双关节机械臂的动力学模型; 基于 Lyapunov 稳定性原理，根据滑模到达条件，利用模糊规则对切换增益模糊化并代替原切换增益，以此设计了新的模糊滑模控制器; 用 MATLAB/Simulink 进行仿真，并与普通的滑模控制器做比较。结果与原控制器相比，在具有外界非线性干扰的情况下，模糊滑模控制器对抖振仍有很好的消除作用，具有更优良的控制性能，更好的跟踪效果，更快的响应速度。文中所做的研究对实际机械臂的运动控制具有一定的参考价值。

针对机械臂轨迹跟踪控制中存在建模误差以及外界干扰造成的控制性能下降问题，提出一种改进的自适应神经滑模控制方法。分别选取状态反馈和改进的神经网络滑模方法来控制系统的确定部分和不确定部分。利用神经网络的非线性 映射能力自适应地学习系统不确定性的未知上界，其输出作为滑模控制器的动态补偿项，Ｌｙａｐｕｎｏｖ函数法推导得到神经网络权值更新律。为保证神经网络映射的有效性，提高收敛速度，采用遗传算法对神经网络结构参数进行优化。双关节机械臂系统的仿真结果表明了该方案的有效性。

永磁同步电机控制simulink仿真模型，Simulink永磁同步电机控制仿真系列文章对应资源，本模型实现了滑模观测器，并对永磁同步电机进行了位置观测。模型使用matlab2020a创建，老版本运行需要替换clark、park、ipark模块

本文考虑了一类具有变时滞的抛物型线性不确定分布参数系统的滑模控制问题。设计了排除时滞项的滑模控制器和使系统状态在有限时间内到达滑模面。给出了滑模运动渐近稳定的充分条件。最后重新数值模拟来说明所给方法的有效性。

基于MRAS_滑模观测_动态转速估计器三种无速度传感器电机控制算法研究.pdf

针对自适应滑模控制编写了详细的matlab仿真m文件，适合初学者学习滑模控制的知识，并针对滑模的缺点添加了自适应参数，能够实现滑模控制参数的自适应调整。

简单滑模控制例程

刘金琨教授控制领域经典著作！全部神经网络算法可验证可二次开发。

新型终端滑模在光电稳定平台中的应用