针对一类不确定系统的跟踪控制,设计了一种将GBF-CMAC(cerebellar model articulation controller with Gauss basis function)与滑模控制相结合的控制系统。利用符号距离和分层结构减少了神经网络所需存储器的数量,并提出了一种神经网...针对一类不确定系统的跟踪控制,设计了一种将GBF-CMAC(cerebellar model articulation controller with Gauss basis function)与滑模控制相结合的控制系统。利用符号距离和分层结构减少了神经网络所需存储器的数量,并提出了一种神经网络参数的自适应学习律。将设计的控制器用于含有不确定性和欠驱动结构的高阶柔性直线结构系统的跟踪控制,并与一般滑模控制和积分滑模控制进行了比较。实验结果表明,所设计的控制器不仅具有较好的鲁棒性,而且改善了滑模控制存在的抖振问题。同时通过调整神经网络的参数对抖振进行控制,实现了抖振和跟踪性能之间的最优选择。展开更多
针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型(Cerebellar Model Articulation Controller,CMAC)在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应...针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型(Cerebellar Model Articulation Controller,CMAC)在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应模糊CMAC用以逼近气动人工肌肉系统中的不确定项.CMAC网络权值的在线学习调整保证了自适应模糊CMAC的逼近性能.对离散抗饱和PID控制器(DASPID)与自适应模糊CMAC离散滑模混合控制器(HybridC)的位置跟踪控制性能进行了对比实验.实验结果表明,HybridC较之DASPID有更好的位置跟踪控制性能.当期望参考输入为正弦信号时,DASPID的最大位置跟踪误差为±1.5 mm;而HybridC的最大位置跟踪误差仅为±0.7 mm,平均位置跟踪误差大约仅为±0.2 mm.并且,离散滑模所固有的抖振现象得到了有效的抑制.展开更多
文摘针对一类不确定系统的跟踪控制,设计了一种将GBF-CMAC(cerebellar model articulation controller with Gauss basis function)与滑模控制相结合的控制系统。利用符号距离和分层结构减少了神经网络所需存储器的数量,并提出了一种神经网络参数的自适应学习律。将设计的控制器用于含有不确定性和欠驱动结构的高阶柔性直线结构系统的跟踪控制,并与一般滑模控制和积分滑模控制进行了比较。实验结果表明,所设计的控制器不仅具有较好的鲁棒性,而且改善了滑模控制存在的抖振问题。同时通过调整神经网络的参数对抖振进行控制,实现了抖振和跟踪性能之间的最优选择。
