共查询到19条相似文献,搜索用时 140 毫秒
1.
针对复杂机器人系统的不确定性,提出一种层叠小脑模型关节控制器(CMAC)神经网络同滑模变结构相结合 的控制策略。首先利用改进CMAC学习机器人系统的不确定信息,并作为前馈补偿来确保跟踪误差的快速收敛,再通过滑模变结构控制器消除CMAC网络的逼近误差和不可重复随机干扰的影响。采用Lyapunov直接法进行控制律选取,分析表明系统可实现全局渐近稳定。在6-6并联机器人的轨线跟踪仿真试验中显示了良好的鲁棒性和精确性。 相似文献
2.
3.
一种基于自适应遗传算法的CMAC的学习率优化方法 总被引:3,自引:3,他引:3
CMAC(cerebellar model articulation controller)是一种局部逼近神经网络,它发展了近30年,但是关于其学习率的确定仍缺乏好的方法。基于CMAC的控制系统如果没有好的学习率,那么系统就会不稳定或者收敛速度很慢。在传统方法的基础上提出利用遗传算法(GA)来确定其学习率,通过自适应遗传算法(GA)其他传统方法相比较,表明利用自适应遗传算法(GA)不仅使系统稳定,而且收敛速度更快,并进行了仿真验证。 相似文献
4.
一种新型神经网络控制器的研究 总被引:1,自引:0,他引:1
提出了一种新型神经网络控制器,其控制机理与PID控制相类似,但解决了常规PID控制存在的快速性与超调量的矛盾.给出了该神经网络控制器的自适应学习算法,分析讨论了控制系统的稳定性.仿真实验表明,这种新型神经网络控制器构成的自适应控制系统具有较强的适应性和鲁棒性. 相似文献
5.
针对存在模型不确定性及未知外部干扰的重型运载火箭姿态控制问题,提出一种新型预设时间自适应控制方法,使得姿态控制误差收敛时间与系统初始状态无关且可预先设定。首先设计一种新型预设时间滑模面,采用滑模面切换的方法避免系统出现奇异;然后设计预设时间滑模控制器,采用神经网络估计系统集总扰动并在控制器中进行补偿,设计自适应律自适应调整神经网络权重系数,基于Lyapunov稳定性定理证明了所设计控制器的预设时间稳定性;最后通过数值仿真验证了所提方法的可行性及有效性。 相似文献
6.
7.
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
8.
9.
10.
对于一类非仿射离散时间系统,提出了一种新的自适应神经网络控制器。首先推导与原系统等价的仿射形式模型,由仿射模型推导控制律。控制律中采用一个神经网络,与传统的基于反馈线性化的自适应神经网络设计方法中采用两个神经网络相比,计算量大大减少且避免了控制器奇异问题。神经网络权值根据系统输入输出信号进行更新,另外σ项的引入,取消了为保证参数收敛持续激励的条件。系统的稳定性通过Lyapunov方法进行了分析,仿真实例验证了控制器的有效性。 相似文献
11.
本文是基于 CMAC神经网络分析和设计复杂控制系统的第二部分 ,提出了基于评价函数和CMAC预测器的控制器的设计方法 ,通过分析控制算法的收敛性和控制系统的稳定性 ,得出了控制器参数的选取方法 .该方案适用于过程的输入输出数据是可测的 ,并且可用第一部分提出的方法得到对象的 CMA C预测器 .仿真实例证明该方案是正确和实用的. 相似文献
12.
13.
基于神经网络的一类非线性系统的变结构控制 总被引:1,自引:0,他引:1
在已知名义系统的基础上 ,将小脑关节模型控制器 (CMAC)神经网络用于一类状态反馈可线性化的多输入多输出连续时间非线性系统的变结构控制中。利用自适应技术估计了估计误差的大小 ,减小了系统的不确定性 ,并利用模糊控制技术调整了变结构增益 ,改善了系统的性能。在很弱的假设条件下 ,应用Lyapunov稳定性定理证明了闭环系统内的所有信号为均匀最终有界。算法在导弹控制系统中的应用进一步证明了本文方法的有效性。 相似文献
14.
提出一种带有资格迹的模糊CMAC控制器(FCE),资格迹的引入可以对控制系统进行超前预测,提高系统的稳定性。研究了FCE系统的构成,并推导其学习算法。为适用于在线控制,给出了高效的FCE算法实现方案。应用于船舶航向控制的仿真结果表明,当存在风浪干扰海况下,船舶航向的控制仍能取得令人满意的效果。 相似文献
15.
针对传统的小脑模型,提出了一种广义模糊小脑模型神经网络(GFCMAC)。它采用模糊隶属度函数作为接收域函数,可以获得较常规CMAC连续性强且有解析微分的复杂函数近似,具有计算量少,学习效率高等优点。研究了GFCMAC接收域函数的映射方法、隶属度函数及其参数的选取规律和学习算法。结合强化学习,提出了一种基于GFCAMC的强化学习算法,讨论了其实现过程。应用于船舶航向控制的仿真结果表明,在有各种风浪干扰下,船舶航向跟踪快且操舵动作合理,适合船舶转向控制要求。 相似文献
16.
17.
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
18.
首先给出电动车在行驶时驱动与制动输入下的高阶双质量运动模型,然后针对数学模型的复杂性和强非线性特征设计基于小脑模型神经网络CMAC复合PID的控制器,并在Matlab下进行仿真。结果表明所设计的控制器可以得到较好的控制效果。 相似文献
19.
车辆起步过程发动机恒转速自适应模糊控制研究 总被引:2,自引:2,他引:0
车辆起步发动机恒转速控制是一种有效的起步控制策略,如何实现发动机转速跟随目标转速曲线变化以提高起步性能是一个难点.针对这一问题,制定了离合器接合控制原则,设计了以发动机转速及其目标转速、离合器行程为控制参数的自适应模糊控制及相应协调规则构成的控制系统.仿真试验表明在不同工况下该控制策略均能保证发动机基本无超调地达到目标转速,实现了发动机恒转速起步,离合器滑摩功小,能够反映驾驶员起步意图,提高了车辆起步性能. 相似文献