排序方式: 共有27条查询结果,搜索用时 15 毫秒
1.
为了更好地辨识和控制非线性动态系统,在FNN基础上对其进行优化和改进,形成了动态模糊神经网络(DFNN)。给出了基于BP梯度算法的参数迭代学习算法,并应用于某非线性动态系统仿真试验中。仿真试验表明,该网络比单纯的FNN具有更强的辨识和控制能力,应用于非线性动态系统的控制中可以有效解决系统的非线性和不确定性,提高系统的跟踪性能,并且控制系统具有很强的鲁棒性。 相似文献
2.
针对高精度机械伺服系统,提出一种高性能的新型自适应滑模控制方法,使闭环系统渐近跟踪给定的参考模型.该方法对转动惯量的大范围变化及非线性摩擦等外干扰均具有很强的鲁棒性.该方法的主要思想是用滑模方法抑制系统中的外部力矩扰动,对系统参数进行自适应估计,用估计值来补偿转动惯量的变化.对于控制算法的全局稳定性,采用李雅普诺夫直接法给出了严格的证明.该算法简单,其实现不需要误差的高阶微分信号,适于实时控制.本文方法以某高精度飞行仿真转台为例,对提出方法进行了实验研究,结果表明了该方法具有良好的跟踪性能,暂态响应和鲁棒性. 相似文献
3.
在介绍雷达寻的制导控制基本原理、半实物基本方法及仿真原理的基础上,详细介绍了雷达寻的制导控制半实物仿真系统的组成、各关键设备的工作原理并进行了主要误差因素分析,同时对关键仿真设备的误差进行研究,并建立数学模型,进一步推导出此类雷达仿真系统具有一般意义的仿真误差模型.最后通过型号半实物仿真试验对仿真系统的仿真精度进行验证.仿真试验表明,该半实物仿真系统的仿真精度满足控制系统半实物仿真试验的要求. 相似文献
4.
针对指令超前信息未知的情况,提出一种基于Pade近似原理的数字前馈控制器。以某电机伺服系统为例进行仿真,结果表明了本控制器的有效性。 相似文献
5.
6.
7.
8.
9.
针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反推神经网络的转台鲁棒控制器设计.首先给出自适应Backstepping控制器的设计方法及步骤,接着采用RBF神经网络对转台对象参数的不确定因素上界值加以辨识,实现转台系统的鲁棒控制.其中Backstepping鲁棒控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识.仿真结果表明,自适应Backstepping神经网络控制很好地克服了对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制. 相似文献
10.