1.一种动态阈值事件驱动的多关节机械臂神经网络控制方法，其特征在于，包括如下步骤：步骤1.建立带有电机动态特性和输入约束的多关节机械臂数学模型，并将多关节机械臂数学模型转换为状态方程；

步骤2.针对得到的状态方程，应用反步设计法构造虚拟控制律；

步骤3.根据虚拟控制律和状态方程中不确定的模型参数，设计带有向量投影的神经网络逼近不确定项，得到神经网络估计模型；

步骤4.针对状态方程的输入约束，构造辅助动态系统处理输入约束的影响；

步骤5.根据神经网络估计模型和辅助动态系统，设计基于动态阈值事件驱动的机械臂神经网络控制律，使得实际轨迹跟踪期望轨迹。

2.根据权利要求1所述的动态阈值事件驱动的多关节机械臂神经网络控制方法，其特征在于：步骤1中多关节机械臂数学模型为：n

其中，q∈R表示关节角位置矢量， 表示关节角速度矢量， 表示关节角n×n

加速度矢量，Mm(q)∈R 为对称正定惯性矩阵， 为离心力和哥氏力矩n n n×n

阵，Gm(q)∈R为重力矢量，u∈R为输入电压，Km∈R 表示电机电枢电流和关节力矩之间的n n×n n×n n×n转换矩阵，Im∈R为电枢电流，Lm∈R 表示电感，Rm∈R 表示电阻，Nm∈R 为电机反电动势系数，Km、Lm、Rm和Nm是正定的对角矩阵。

3.根据权利要求1所述的动态阈值事件驱动的多关节机械臂神经网络控制方法，其特征在于：步骤1中状态方程为：其中， x1＝q，

输入电压的约束特性由下式表示

其中，i＝1,2,...,n，uci为指令输入电压，sat(·)表示饱和函数，sign(·)表示符号函数，umi＞0为输入电压的最大值。

4.根据权利要求1所述的动态阈值事件驱动的多关节机械臂神经网络控制方法，其特征在于：步骤2中虚拟控制律为：n×n n×n

其中，k1∈R 和k2∈R 为设计参数，且为正定矩阵，yd为期望的轨迹，误差变量z1＝x1‑yd，z2＝x2‑α1。

5.根据权利要求1所述的动态阈值事件驱动的多关节机械臂神经网络控制方法，其特征在于：步骤3中神经网络估计模型为：T

Hx＝[θ1||ξ1(X)||,θ2||ξ2(X)||,...,θn||ξn(X)||]+εc其中，不确定项 εc表示逼近误差，并且满足是正常数，对于i＝1,2,...,n，θi表示理想的权值向量在高斯基函数向量ξi(X)上的投影， 表示激励函数向量，ξi(X)＝[ξi1T

(X),...,ξis(X)]，高斯基函数为其中，s为RBF神经网络的节点个数， 为第j个节点的中心矢量，bj为第j个节点的高斯基宽度，exp(·)表示指数函数。

6.根据权利要求1所述的动态阈值事件驱动的多关节机械臂神经网络控制方法，其特征在于：步骤4中辅助动态系统为：n n×n

其中，ψ∈R为补偿信号，kψ∈R 、ψ0为设计参数，且分别为正定矩阵和正数，误差变量z3＝x3‑α2，输入电压与指令输入电压之间的偏差Δu＝u‑uc，对于i＝1,2,...,n，z3i和Δui分别为z3和Δu的第i个分量。

7.根据权利要求1所述的动态阈值事件驱动的多关节机械臂神经网络控制方法，其特征在于：步骤5中基于动态阈值事件驱动的机械臂神经网络控制律为：其中，υ为正整数，对于i＝1,2,...,n，Λhi、ωi、Λdi和tsi为设计参数，且为正数，ξe(t)＝uc(t)‑α3(t)，ξei(t)、uci(t)和α3i(t)分别为ξe(t)、uc(t)和α3(t)的第i个分量，虚拟控制律α3的表达式为n×n n×n

其中，k3∈R 和kb∈R 为设计参数，且为正定矩阵，对于i＝1,2,...,n， 为θi的估计量，Aci和δci为设计参数，且为正数。

8.根据权利要求1所述的动态阈值事件驱动的多关节机械臂神经网络控制方法，其特征在于：所述控制方法的稳定性证明方法为：构造李雅普诺夫函数L1为

对李雅普诺夫函数L1取时间导数得

将虚拟控制律α1和α2代入 得

构造李雅普诺夫函数L2为

其中，误差变量

由于机械臂参数 为斜对称矩阵，且Lm和Km是正定的对角矩n

阵，故对于任意向量χ∈R， 成立；

对李雅普诺夫函数 取时间导数得

将所设计的α3、 和 代入 得

根据杨氏不等式得

其中， 将上述不等式代入 得

将上式简化得

式中Υc＝min(2λmin(k1),2λmin(k2),2λmin(k3‑2In×n)/λmax(Mx)min(δciAci),λmin(2kψ‑kbkb‑

0.5In×n))＞0，i＝1,2,...,n， 由可知，z1、z2、z3、 和ψ是有界的；由于z1是有界的，可得实际轨迹能够跟踪期望的轨迹；因为期望轨迹yd和其时间导数是有界的，故x1是有界的，这意味着α1是有界的；进一步可得x2、α2、x3、α3和uc(t)是有界的，因此闭环系统是稳定的；

*

最后证明存在T＞0，使得 成立；

对于i＝1,2,...,n和 根据ξei(t)＝uci(t)‑α3i(t)得由以上推导可知，存在正常数γαi＞0使得 成立；因为 和*

故相邻的最小触发时间间隔T≥Λdi/γτi；因此设计的动态阈值事件驱动方法是合理的，即避免芝诺行为。