北京航空航天大学学报
北京航空航天大學學報
북경항공항천대학학보
2008年
8期
869-872
,共4页
直接驱动阀(DDV)%余度控制%神经网络%滑模%并行控制
直接驅動閥(DDV)%餘度控製%神經網絡%滑模%併行控製
직접구동벌(DDV)%여도공제%신경망락%활모%병행공제
针对冗余直接驱动阀伺服系统中由于余度降级所造成的性能降低问题,提出一种神经网络自适应滑模余度控制策略.利用径向基函数神经网络RBFNN(Radial BasisFunction Neural Network)的在线学习功能,对系统发生的变化进行快速自适应补偿,使系统状态趋近于滑模面,提高跟踪精度和鲁棒性;并通过与比例微分PD(Proportional-Derivative)算法的并行控制,促进RBFNN的收敛,增强系统的稳定性.通过与PID(Proportional-Integral-Deriva-tive)切换控制策略的对比研究,表明RBFNN自适应滑模余度控制方法不但设计简单,而且能够有效克服余度降级带来的系统性能下降的问题,极大地改善了系统的品质.
針對冗餘直接驅動閥伺服繫統中由于餘度降級所造成的性能降低問題,提齣一種神經網絡自適應滑模餘度控製策略.利用徑嚮基函數神經網絡RBFNN(Radial BasisFunction Neural Network)的在線學習功能,對繫統髮生的變化進行快速自適應補償,使繫統狀態趨近于滑模麵,提高跟蹤精度和魯棒性;併通過與比例微分PD(Proportional-Derivative)算法的併行控製,促進RBFNN的收斂,增彊繫統的穩定性.通過與PID(Proportional-Integral-Deriva-tive)切換控製策略的對比研究,錶明RBFNN自適應滑模餘度控製方法不但設計簡單,而且能夠有效剋服餘度降級帶來的繫統性能下降的問題,極大地改善瞭繫統的品質.
침대용여직접구동벌사복계통중유우여도강급소조성적성능강저문제,제출일충신경망락자괄응활모여도공제책략.이용경향기함수신경망락RBFNN(Radial BasisFunction Neural Network)적재선학습공능,대계통발생적변화진행쾌속자괄응보상,사계통상태추근우활모면,제고근종정도화로봉성;병통과여비례미분PD(Proportional-Derivative)산법적병행공제,촉진RBFNN적수렴,증강계통적은정성.통과여PID(Proportional-Integral-Deriva-tive)절환공제책략적대비연구,표명RBFNN자괄응활모여도공제방법불단설계간단,이차능구유효극복여도강급대래적계통성능하강적문제,겁대지개선료계통적품질.