排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
提高电动加载系统输出平滑的CMAC复合控制 总被引:2,自引:0,他引:2
CMAC(Cerebellar Model Articulation Controller)和PD(Proportional Derivative)复合控制算法有时因输出不平滑会引起加载电机抖动而影响控制效果.通过对该输出不平滑问题进行分析,提出了一种新的提高输出平滑性的改进CMAC复合控制算法,该方法通过新的权值更新公式,在权值更新时直接达到减小误差和提高输出平滑性的目的.仿真和实验结果表明:改进后的算法能够有效提高输出平滑性,降低了21%的稳态误差,且保证在加载时有良好的稳定性和抗干扰能力. 相似文献
5.
6.
针对现代飞艇控制中动力学模型不确定性带来的系统建模和参数辨识工作较为复杂的问题,提出了一种基于自适应建模和在线学习机制的控制策略。设计了一种在分析实际运动的基础上建立飞艇控制马尔可夫决策过程(MDP)模型的方法,具有自适应性。采用Q-Learning算法进行在线学习并利用小脑模型关节控制器(CMAC)神经网络对动作值函数进行泛化加速。对本文方法进行仿真并与经过参数整定的PID控制器对比,验证了该控制策略的有效性。结果表明,在线学习过程能够在数小时内收敛,通过自适应方法建立的MDP模型能够满足常见飞艇控制任务的需求。本文所提控制器能够获得与PID控制器精度相当且更为智能的控制效果。 相似文献
8.
针对导弹飞行中的舵伺服系统所存在的不确定性和非线性时变等特点,采用常规控制系统难以适应这种不确定性,文中提出采用现代控制理论与经典相结合的方法——自适应神经网络CMAC与PID并行控制对舵机伺服系统进行优化设计。首先,在分析舵系统基础上,设计出了具有一定适应性的舵伺服系统的总体方案;然后,建立了基于CMAC与PID并行控制的舵系统控制器;最后,经MATLAB仿真,结果表明并行控制能够较好适应多种不确定性;并能够快速准确的对舵机进行跟踪控制。 相似文献
9.
基于改进的CMAC的电动加载系统复合控制 总被引:9,自引:1,他引:9
由于电动加载系统的非线性和时变性,特别是在运动干扰下传统的前馈控制方法很难得到满意的控制效果。针对电动加载系统的非线性及多余力矩强扰动的特点,依据神经网络的非线性逼近和自学习特性,提出了基于改进小脑模型关联控制器(CMAC)的复合控制策略,结合改进的CMAC与PID实现复合控制,由CMAC实现前馈控制,PID控制实现反馈控制,既保证了快速实时,又进一步减小了多余力矩干扰。改进的CMAC利用存储单元的先前学习次数作为可信度,消除了常规前馈型CMAC的过学习现象。文中建立了电动加载系统的数学模型,给出了具体的控制结构和算法。系统的动态仿真表明,该方法可有效地抑制多余力矩,改善电动加载系统的动态加载性能,有很强的鲁棒性。 相似文献
10.
基于CMAC的伺服系统控制研究 总被引:4,自引:0,他引:4
针对高精度伺服系统中存在的非线性和各种不确定性因素,提出了基于小脑模型神经网络的复合控制方法,控制器由前馈控制器、比例微分控制器(PD)和小脑模型神经网络控制器(CMAC)构成,该方法在传统的PD+前馈控制方法上加入了CMAC神经网络算法的快速学习,精确逼近的优点,既保证了快速实时跟踪,又进一步提高了跟踪精度。实验结果证明,用CMAC控制方法后系统的跟踪精度比PD+前馈控制方法提高近一个数量级,同时该方法对摩擦引起的波形畸变有很好的抑制作用,仿真和实验研究表明了该方法的可行性和有效性,并能满足实时性要求,对提高伺服系统的高精度动态跟踪性能有很好的工程参考价值。 相似文献
1