排序方式: 共有18条查询结果,搜索用时 13 毫秒
1.
摩擦非线性环节的特性、建模与控制补偿综述 总被引:42,自引:0,他引:42
首先介绍了机械伺服系统中摩擦非线性环节的动态、静态特性的研究成果和目前常用的几种摩擦模型 ,讨论了摩擦非线性环节对伺服系统的动态性能和静态性能的影响 ,以及摩擦非线性环节导致的极限环振荡、低速爬行等现象。然后对有关摩擦补偿方法方面的研究成果进行了总结 ,介绍了传统的摩擦补偿方法和基于智能控制理论的摩擦补偿方法方面的研究成果。最后 ,展望了该领域今后的发展方向。 相似文献
2.
基于多智能体技术的智能大厦信息管理 总被引:2,自引:0,他引:2
分析了建立智能大厦信息管理系统的最新要求 ,提出了采用多智能体技术建立智能大厦的综合集成管理体系。针对智能大厦信息管理系统的特点 ,建立了智能大厦多智能体系统 ,给出了系统构成、系统结构及建立该系统所面临的关键技术 ,阐述了建立该系统所面临的任务。进一步地提出了采用多种智能体的解决方法 ,即采用人机智能体 ,移动智能体 ,异质智能体和信息智能体技术 ,为智能大厦的智能化和集成化提供新的途径。 相似文献
3.
研究了三层对角回归神经网络(DRNN)用于直流电动机实时控制的方法.首先采用动态反传算法训练神经网络以辨识直流电动机的逆模型,然后将这一训练后的网络作为前馈控制器与常规反馈控制器一起输出控制电压,以控制系统跟踪位置或速度指令.该算法简单、计算量小,适于实时控制.仿真结果表明了该方法的有效性. 相似文献
4.
飞行转台Backstepping与神经网络并行控制 总被引:1,自引:2,他引:1
阐述了飞行仿真转台的Backstepping设计方法及步骤。在Backstepping鲁棒控制的基础上,提出了一种Backstepping鲁棒控制和神经网络并行控制的方案,以Backstepping鲁棒控制为主控制器,神经网络进行动态误差补偿。Backstepping鲁棒控制克服了对象的不确定性,保障系统的鲁棒性;神经网络可以进一步提高系统的跟踪精度。仿真表明,这种方法实现了Backstepping鲁棒控制和神经网络控制的完美结合,很适合高精度飞行仿真转台系统的鲁棒控制。 相似文献
5.
6.
高精度飞行仿真转台的鲁棒自适应控制 总被引:6,自引:0,他引:6
针对高精度直流伺服系统,提出一种基于Lyapunov直接法的鲁棒模型参考自适应控制方法.在算法中,通过调节增益系数,以适应系统中参数的变化,通过引入鲁棒补偿项,实现对摩擦环节的补偿,使得在具有参数不确定性和未知非线性摩擦特性的情况下,跟踪误差渐进收敛于零.并以三轴转台为例,进行了数值仿真,其结果表明该方法的有效性和鲁棒性. 相似文献
7.
8.
9.
10.
针对飞行仿真转台系统的非线性和不确定性,提出了基于模糊神经网络补偿的复合控制器,该控制器由前馈控制器、闭环控制器及模糊神经网络补偿环节组成。前馈环节由零相差跟踪控制器及FIR滤波器构成,闭环控制器由PD控制及干扰观测器构成,补偿环节由一动态模糊神经网络实现,给出了基于Lyapunov函数的稳定性证明。该控制方法突出优点在于兼顾考虑了系统中的结构化不确定性和非结构化不确定性,能够在外部干扰与参数摄动并存的情况下,保证系统的稳定性和跟踪性能。 相似文献