提出了一种利用FCMAC（Fuzzy Cerebellar Model Articulation Controller）神经网络进行优化的方法。该方法由学习过程和优化过程两部分组成。对于许多没有模型可参考的实际过程，使用该方法只需要传感器的观测信息就能进行优化。仿真...提出了一种利用FCMAC（Fuzzy Cerebellar Model Articulation Controller）神经网络进行优化的方法。该方法由学习过程和优化过程两部分组成。对于许多没有模型可参考的实际过程，使用该方法只需要传感器的观测信息就能进行优化。仿真结果证明了该方法的有效性与优越性，进而提出了在实际应用中进行优化的一种方案。展开更多
针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller,FCMAC)网络的非线性自适应逆控制方案。将模糊逻辑思想嵌入到CMAC中构成FCMA...针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller,FCMAC)网络的非线性自适应逆控制方案。将模糊逻辑思想嵌入到CMAC中构成FCMAC来对非线性对象进行较精确的逆建模,从而构建逆控制系统。在对象特性未知的情况下,选用BP网络来对象进行正建模,并由BP网络的辩识结果来对FCMAC的参数进行调整。仿真实验表明了该方案的有效性,且验证了其控制效果较单纯的CMAC网络逆控制更理想。展开更多
文摘提出了一种利用FCMAC（Fuzzy Cerebellar Model Articulation Controller）神经网络进行优化的方法。该方法由学习过程和优化过程两部分组成。对于许多没有模型可参考的实际过程，使用该方法只需要传感器的观测信息就能进行优化。仿真结果证明了该方法的有效性与优越性，进而提出了在实际应用中进行优化的一种方案。
文摘针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller,FCMAC)网络的非线性自适应逆控制方案。将模糊逻辑思想嵌入到CMAC中构成FCMAC来对非线性对象进行较精确的逆建模,从而构建逆控制系统。在对象特性未知的情况下,选用BP网络来对象进行正建模,并由BP网络的辩识结果来对FCMAC的参数进行调整。仿真实验表明了该方案的有效性,且验证了其控制效果较单纯的CMAC网络逆控制更理想。
