该文研究了一种针对3TPS_TP型并联机器人的新型神经网络滑模控制算法，旨在解决传统滑模控制中存在的抖振问题。并联机器人因其高刚度、大承载能力和紧凑结构，在石材加工等行业中应用广泛。3TPS_TP型并联机器人工作头是其核心部分，其非线性的动态特性及运行中的干扰因素使得控制策略的设计至关重要。
滑模控制是一种有效的控制方法，能有效改善并联机器人运动过程中的干扰，但其固有的抖振现象会影响控制效果。为此，文章提出结合神经网络的滑模控制策略。神经网络因其强大的自适应识别能力和函数逼近能力，能够消除滑模控制的抖振现象。文中采用了径向基函数神经网络（RBF）作为基础模型。
在神经网络滑模控制模型中，系统被定义为三阶系统，具有三个输入和一个输出。中间的隐层包含六个节点，激励函数选用高斯函数。通过定义位置误差、扰动信号和滑模面，构建了控制算法的步骤。当滑模面s=0时，系统满足滑模到达条件，此时可以调整控制力矩以达到期望位置。
控制律设计包括滑模控制部分和神经网络部分。滑模控制设计为Us，神经网络设计为u，自适应律用于更新网络权重，以适应系统的变化。通过这种方式，能够在闭环系统中使位置误差e趋于零，同时证明了系统的稳定性，使用李雅普诺夫函数进行稳定性分析。
该文提出的神经网络滑模控制算法为3TPS_TP型并联机器人提供了一种更稳定、更精确的控制方案，有效地解决了传统滑模控制的抖振问题，提升了并联机器人的控制性能和精度。这种方法对于未来并联机器人控制理论的发展和实际应用具有重要的指导意义。
