摘要: 研究了具有模型不确定性的机器人操作手轨迹跟踪控制问题． 针对以往动态递归神经网络（recurrent neural network，RNN）训练算法 难以实现及机械手的强非线性等问题， 提出一种基于“增广”策略的回声状态网络（echo state network，ESN）方法A-ESN（augmented echo state network）， 网络使用“增广”学习策略离线训练ESN输出权值， 训练过程中加入服从均匀分布的白噪声项来保证动态系统稳定性． 针对两关节机械手的轨迹跟踪控制问题，首先用A-ESN辨识机械手不确定部分的逆模型， 并用PID反馈控制器补偿A-ESN网络的逆建模误差；然后基于A-ESN设计动态控制器； 最后进行了数值仿真，并与常规递归神经网络算法进行了比较， 结果显示该方法的控制精度比常规方法有了很大提高，表明了该方法的有效性．