针对通用电机运动控制器（UMAC）下的传统PID控制和现有的模糊PID控制自适应性和鲁棒性较差,伺服系统的动静态性能不理想的问题,将RBF神经网络引入到UMAC的PID参数调节中,增强伺服系统的自适应性和鲁棒性,并提高系统动静态特性。通过UMAC的嵌入式PLC程序对算法进行了实现,位置阶跃响应实验和正弦跟踪实验表明,RBF神经网络PID控制下的伺服电机位置阶跃响应上升时间由传统PID控制下的0.164 s和模糊PID控制下的0.118 s减小到了0.017 s,峰值时间由传统PID控制下的0.196 s和模糊PID控制下的0.131 s减小到了0.023 s,调节时间由传统PID控制下的0.216 s和模糊PID控制下的0.142 s减小到了0.025 s,电机响应速度变快;RBF神经网络PID控制下的伺服电机位置正弦响应动态跟随最大误差由传统PID控制下的188 counts和模糊PID控制下的120 counts减小到了39 counts,且误差波动较小、平稳,伺服电机动态跟随性能显著提高。 相似文献
2.
为了满足空间在轨服务任务的多样化需求,基于主被动复合驱动思想提出一种自适应末端操作器——二指连杆欠驱动指爪机构,并对其抓取模式进行定量分析。首先,在描述指爪机构运动学关系的基础上,根据虚功原理建立机构的静力平衡方程。在此基础上,对其进行静力学分析可知,机构平衡状态下与目标物的接触力不仅取决于机构的几何尺寸,还与接触点位置有关;而机构的抓取模式取决于约束空间内系统的受力情况,因此该指爪能够根据不同形状目标物与机构接触点位置的不同,自适应地选择抓取模式,包括平行抓取、包络抓取等。最后,通过实验样机对不同形状物体进行抓取实验,验证了指爪机构抓取目标的自适应性,为后续的机构设计和控制应用奠定理论和技术基础。 相似文献
3.
单层n元自适应模式识别系统(WISARD)由于其大规模并行分布处理能力、通用性和自适应性而显示了巨大的应用潜力。但由于其结构的原因,系统性能受到了一定的限制。Kanerva提出的稀疏存贮器结构和WISARD的RAM阵列结构有相似之处。而且这种稀疏分布存贮的原理,可以从结构上解决WISARD的固有缺陷。根据SDM的概念,在WISARD的基础上,本文提出了一种新颖的双层自适应模式识别系统模型。它除了保持WISARD的原有特点之外,在解决大维数或非确定性模式数据的识别问题以及控制系统成本方面有着明显的优势。在该系统上进行的多体印刷汉字识别试验,初步优化了系统各参数的关系,验证了模型的可行性。 相似文献
1