共查询到16条相似文献,搜索用时 46 毫秒
1.
网络流量的神经网络自适应Smith预估补偿控制 总被引:3,自引:0,他引:3
网络的时延对基于速率反馈的ATM网络的ABR流量控制具有极大的不利影响,Smith预估补偿是克服大纯滞后影响的有效手段,然而其对时延的预估误差非常敏感,实际网络时延的不确定性往往使其难以取得满意的效果。该文将在线学习的神经网络自适应控制器与Smith预估补偿相结合,很好地克服了网络的时延及其不确定性对流量控制的不利影响,从而使信源的发送速率能快速响应网络状态的变化。与PIDSmith预估补偿控制相比,控制的适应性和鲁棒性更好,更适用于实际网络,且为保证信元不溢出及链路带宽充分利用所需的缓冲容量更低。 相似文献
2.
3.
4.
5.
6.
7.
8.
针对一类带摄动的严格反馈非线性系统,基于后推设计方法,利用第一类模糊系统的逼近能力,提出了一种新的直接自适应控制方案。该方案中引入连续鲁棒项对系统的摄动部分进行抑制,并在自适应律中利用了leakage项以防止参数漂移。通过理论分析,证明了闭环系统是半全局一致终结有界的,跟踪误差收敛到一个小的残差集内。仿真结果表明了该方法的有效性。 相似文献
9.
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
10.
神经网络自适应广义预测解耦控制器的设计 总被引:2,自引:0,他引:2
提出了一种神经网络补偿自适应广义预测解耦控制方案,即用神经网络逼近通道间的耦合、非线性及未建模动态,且采用了改进RLS辨识算法及用后能改善辨识效果,从而增进自适应控制的精度与鲁棒性,能解决参数不确定的非线性多变量耦合问题,给出了该算法的实现原理及步骤。理论分析和仿真结果表明,该方案是有效的。 相似文献
11.
12.
齿隙和摩擦是齿轮传动系统中制约运动控制精度不可避免的非线性现象,常规的PTD控制难以达到较好的控制品质,变结构控制是解决非线性系统控制问题的一种有效方法.基于滞环齿隙模型和集合摩擦模型,建立了齿轮传动系统动力学模型.采用径向基函数(Radial Basis Function,RBF)神经网络和变结构原理构成复合控制器,对系统齿隙、摩擦进行了补偿.仿真分析了分别采用PID控制、增益固定变结构控制以及RBF神经网络变结构控制的补偿效果.结果表明,RBF神经网络变结构控制降低了增益固定变结构控制的抖振现象,控制精度优于PID控制. 相似文献
13.
14.
15.