| 基于RBF神经网络的直接模型参考自适应控制 |
| |
| 引用本文： | 赵晓松.基于RBF神经网络的直接模型参考自适应控制[J].科技信息,2006,21(7):16-17. |
| |
| 作者姓名： | 赵晓松 |
| |
| 作者单位： | 赵晓松（南开大学信息技术科学学院,天津,300071） |
| |
| 摘 要： | 大多数的现代被控对象均具有非线性的特性,使得采用传统的PI、PID控制很难取得较好的控制效果.人工神经网络,在一定条件下可以任意精度逼近任意非线性函数且具有较强的自学习、自适应、自组织能力.故将其应用于非线性严重的装置的控制,可充分发挥其非线性映射能力和自学习、自适应、自组织的能力,实现对非线性装置的高性能控制.相比于Sigmoid激发函数的BP神经网络,RBF神经网络具有更简洁的网络结构和更快的收敛速度且可避免收敛于局部极值点,使得RBF神经网络更适合于在线应用同时也具有更好的控制效果.本文采用RBF神经网络构成神经网络NN进行自适应控制.为进一步加快神经网络的学习收敛速度,本文采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,这可大大加快神经网络学习训练的收敛速度.本文对RBF神经网络直接自适应控制策略应用于非线性被控装置的控制进行了仿真研究,仿真结果表明,系统的动态响应快,超调小,稳态精度高,有较强的跟踪能力,具有较好的控制效果.
|
| 关 键 词： | 开关磁阻电机 神经网络 控制 |
THE ADAPTIVE REFERENCE MODEL CONTROL BASED ON RBF ANN |
| |
| Zhao xiaosong.THE ADAPTIVE REFERENCE MODEL CONTROL BASED ON RBF ANN[J].Science,2006,21(7):16-17. |
| |
| Authors: | Zhao xiaosong |
| |
| Abstract: | |
| |
| Keywords: | |
|
|
