一种新型的动态模糊神经网络控制器

基于前向模糊神经网络ＡＮＦＩＳ提出了一种新型的动态模糊神经网络（ＤＦＮＮ）,将模糊逻辑,神经网络和ＰＩＤ控制器三者的优点有机地融合在一起。通过在ＡＮＦＩＳ的归一化层和输出层之间加入递归层,构成了动态模糊神经网络（ＤＦＮＮ）,并推导了基于ＢＰ的反传学习算法,与ＡＮＦＩＳ和ＰＩＤ控制器相比,ＤＦＮＮ具有更好的控制效果。ＤＦＮＮ的参数具有明确的物理意义,可根据专家的经验选择初值,加快了网络的收敛速度,由     

捷联式三轴稳定跟踪系统的运动学建模与仿真

建立捷联式三轴稳定跟踪系统的正、逆运动学数学模型。由三轴稳定跟踪系统跟踪动目标的原理,在机构上建立了系统的各级坐标系及相应的齐次变换阵,利用方向余弦阵建立运动学方程,由矩阵对应元素相等解出３个独立关节变量,完成逆运动学解算。将解算的关节变量代入正运动学方程,得到系统实际输出量。在稳定及自动跟踪等状态下的仿真实验表明,模型的输出复现了输入跟踪信号,验证了数学模型的正确性。