电机与控制学报
電機與控製學報
전궤여공제학보
ECTRIC MACHINES AND CONTROL
2010年
7期
99-104
,共6页
梁霄%张均东%李巍%郭冰洁%万磊%徐玉如
樑霄%張均東%李巍%郭冰潔%萬磊%徐玉如
량소%장균동%리외%곽빙길%만뢰%서옥여
水下机器人%模糊神经网络控制%免疫遗传算法%混合学习算法%T-S模型
水下機器人%模糊神經網絡控製%免疫遺傳算法%混閤學習算法%T-S模型
수하궤기인%모호신경망락공제%면역유전산법%혼합학습산법%T-S모형
针对水下机器人模糊神经网络控制器运算量大和对强外界扰动的鲁棒性差及存在滞后性的问题,提出基于混合学习算法的水下机器人T-S型模糊神经网络控制方法.采用免疫遗传算法离线优化和神经网络自学习在线调整隶属函数的参数,从而减少神经网络的运算量,增强水下机器人对环境变化的反应能力.采用T-S模型,由后件网络动态调整模糊规则,提高控制系统的适应性.通过某微小型水下机器人的仿真和外场实验验证方法的可行性和优越性.实验结果表明,控制器对外界扰动具有较强的鲁棒性,保证即使在恶劣情况下,控制性能仍保持在较高水平.
針對水下機器人模糊神經網絡控製器運算量大和對彊外界擾動的魯棒性差及存在滯後性的問題,提齣基于混閤學習算法的水下機器人T-S型模糊神經網絡控製方法.採用免疫遺傳算法離線優化和神經網絡自學習在線調整隸屬函數的參數,從而減少神經網絡的運算量,增彊水下機器人對環境變化的反應能力.採用T-S模型,由後件網絡動態調整模糊規則,提高控製繫統的適應性.通過某微小型水下機器人的倣真和外場實驗驗證方法的可行性和優越性.實驗結果錶明,控製器對外界擾動具有較彊的魯棒性,保證即使在噁劣情況下,控製性能仍保持在較高水平.
침대수하궤기인모호신경망락공제기운산량대화대강외계우동적로봉성차급존재체후성적문제,제출기우혼합학습산법적수하궤기인T-S형모호신경망락공제방법.채용면역유전산법리선우화화신경망락자학습재선조정대속함수적삼수,종이감소신경망락적운산량,증강수하궤기인대배경변화적반응능력.채용T-S모형,유후건망락동태조정모호규칙,제고공제계통적괄응성.통과모미소형수하궤기인적방진화외장실험험증방법적가행성화우월성.실험결과표명,공제기대외계우동구유교강적로봉성,보증즉사재악렬정황하,공제성능잉보지재교고수평.
