排序方式： 共有1条查询结果，搜索用时 4 毫秒
1
1.
针对典型的不稳定、高阶次、多变量、强耦合、非线性的跷跷板系统，考虑环境对跷跷板的作用，提出了一种RBF网络干扰补偿解耦滑模控制(RBF-SMC)算法.通过解耦算法对模型进行解耦，并使用RBF神经网络对模型受到的干扰和不确定项自适应逼近补偿，使系统在较小的切换增益下实现较大干扰下的跷跷板平衡控制.在Matlab和Matlab/Adams联合仿真的环境下，对该算法进行了仿真.仿真结果表明，对比传统的SMC算法，在不确定环境下，通过RBF网络对外加干扰、建模误差、模型简化、外部激励、摩擦阻尼等建模不确定性因素进行学习评估，有效地提升了系统抗干扰能力，同时降低了系统的切换增益，并在有限时间内实现了跷跷板的平衡控制.通过仿真实验结果的比较，证明了本文提出算法的有效性与可行性. 相似文献
1