基于神经网络的重力卸载系统控制器设计

吊挂系统是地面模拟空间机械臂重力卸载试验的重要方法之一。针对传统PID控制方式动作响应慢、鲁棒性差等缺点，提出了一种基于径向基函数（RBF）神经网络的智能控制方式。该方式有很强的非线性拟合能力，且学习规则简单，可映射任意复杂的非线性关系，便于计算机实现。利用该特性，设计了一种重力卸载精度较PID控制方式更高的控制器。该控制器应用正交最小二乘法辨识的控制模型，在带负荷的伺服电机数学模型条件下，使用基于梯度下降法更新权重的RBF神经网络，最后通过s 函数编写，得到Matlab仿真图像。仿真结果与PID控制方法相比响应迅速，鲁棒性强，重力卸载精度更高（98%）。