1.一种基于神经网络的主辅电机协同驱动系统滑模控制方法，其特征在于：包括以下步骤，
主辅电机协同驱动系统建模，确定主电机和辅电机之间的运动关系式；
基于神经网络的主辅电机协同驱动系统滑模控制器设计，将预置的主电机目标轨迹以及主电机和辅电机之间的运动关系式输入滑模控制器中获取滑模控制律；
将滑模控制律输入主辅电机协同驱动系统，实现主电机和辅电机的精确控制。
2.根据权利要求1所述的一种基于神经网络的主辅电机协同驱动系统滑模控制方法，其特征在于：主电机和辅电机之间的运动关系式为：
ls＝f2(lm)；
lm为主电机运动所引起肌腱的位移，ls为辅电机运动所引起肌腱的位移。
3.根据权利要求2所述的一种基于神经网络的主辅电机协同驱动系统滑模控制方法，其特征在于：仿真实例中取主电机和辅电机之间的运动关系式为：
4.根据权利要求1所述的一种基于神经网络的主辅电机协同驱动系统滑模控制方法，其特征在于：控制器的设计步骤包括，
主辅电机动力学方程为：
其中，lm和ls分别为主辅电机运动所引起肌腱的位移，μm和μs分别为主电机和辅电机的控制输入， 和 分别为主电机和辅电机所受到的各种外界扰动；
控制目标为主电机在跟随目标轨迹lt＝f1(t)运动时，辅电机跟随主电机运动，两者相应的肌腱位移之间的关系满足：ls＝f2(lm)；
预置的主电机目标轨迹为：
3 2
f1(t)＝‑0.000039936t+0.0032366t+0.34478t‑0.17236；
采用RBF神经网络逼近扰动项δ(x)；
将RBF神经网络设计为：
其中，X是输入向量，Cj是第j个基函数中心值，bj表示基函数第j个中心点宽度的标准化q×2
常数， 为高斯函数，W∈R 是神经网络的理想权值，ε(X)是近似误差，εN是近似误差ε(X)的上限；
网络输出为：
其中， 为W的估计值；
针对主电机和辅电机，分别取滑模函数：
令
其中，em＝lm‑lt，es＝ls‑f2(lm)，则 αm、αs为滑模面函数误差
放大系数；则
采用指数趋近律，有： 其中ε>0,k>0，切换函数g(s)＝sgns，得：
基于此，设计滑模控制律为：
5.根据权利要求1所述的一种基于神经网络的主辅电机协同驱动系统滑模控制方法，其特征在于：在将滑模控制律输入主辅电机协同驱动系统之前，还有系统稳定性证明步骤，以确定所提出的滑模控制律能否使系统处于稳定状态。
6.根据权利要求5所述的一种基于神经网络的主辅电机协同驱动系统滑模控制方法，其特征在于：系统稳定性证明如下，
定义Lyapunov函数为：
其中，βm>0，βs>0；
由于 则：
其中，|εm|≤εM，|εs|≤εS，则：
设计自适应律为： 则：
当 时，sm＝ss＝0，根据LaSalle不变集原理，闭环系统为渐进稳定，即当t→∞时，sm→0，ss→0，因此，主辅电机协同驱动系统在控制器下是稳定的。
7.根据权利要求4所述的一种基于神经网络的主辅电机协同驱动系统滑模控制方法，其特征在于：引入双曲正切函数 代替切换函数g(s)＝sgns，以调低滑模控制中的抖振，
双曲正切函数如下：