共查询到10条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
用一个常规线性模型对被控对象进行辨识,线性模型辨识的余差用一个神经网络进行补偿,线性模型和神经网络共同构成对象的辨识模型。利用参考模型的输出状态和被控对象的预测值,提出了适于任何形式被控对象的广义离散MRACS设计方法,适用于线性、非线性、最小相位和非最小相位系统。仿真结果表明,系统响应速度快,能够跟踪任意给定的参考序列,具有较强的鲁棒性和较好的控制精度,从而拓宽了模型参考自适应控制的应用范围。 相似文献
5.
基于动态RBF神经网络在线辨识的单神经元PID控制 总被引:4,自引:0,他引:4
针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。 相似文献
6.
针对带有非最小相位特性的吸气式高超声速飞行器控制问题,提出了一种输出跟踪控制方法。对于不具有非最小相位特性的速度子系统,运用动态逆控制技术设计了状态反馈控制器;针对具有非最小相位特性的高度子系统,首先选取合理的内外动态变量,通过坐标变换,将纵向俯仰通道模型转换为正则形式。然后通过对内动态进行稳定性分析,提出了飞行器系统非最小相位特性的判定定理。最后通过在动态逆控制器中加入正则变换后的状态反馈,实现了内动态的镇定,并基于Lyapunov方程证明了系统稳定性。仿真结果表明,该方法实现了良好的跟踪控制效果,并有效地镇定了系统的内动态。 相似文献
7.
基于Davidon算法的神经元自适应控制器 总被引:1,自引:0,他引:1
通常的神经网络逆元自适应控制器存在两个缺陷 ,一是训练算法收敛过慢 ;二是无法控制非最小相位系统 ,因而限制了其使用范围。利用Davidon最小二乘法训练多层前馈网络 ,用于逼近被控对象的逆模型 ,并利用构造伪系统的方法 ,构成一种对非最小相位系统仍然有效的神经网络逆元自适应控制器。仿真结果表明了该方法的有效性 相似文献
8.
提出一种基于RBF辨识的伺服系统CMAC复合控制器,并进行了仿真研究。采用RBF神经网络辨识被控对象模型,根据辨识结果调节单神经元控制器的参数,由单神经元PID控制器与小脑模型前馈控制器组成复合控制结构,通过搜索使控制器尽快地进入合适的参数空间,实现了控制的快速性要求。仿真结果表明,该控制方法能够缩短系统暂态响应时间,提高系统的动态跟踪精度,增加系统鲁棒稳定性。 相似文献
9.
提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程. 相似文献
10.
针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。 相似文献