计算机仿真
計算機倣真
계산궤방진
Computer Simulation
2015年
11期
321-324
,共4页
电动舵机%自适应学习速率因子%补偿模糊神经网络
電動舵機%自適應學習速率因子%補償模糊神經網絡
전동타궤%자괄응학습속솔인자%보상모호신경망락
Electric steering gear%Self-adaptive learning rate factor%CFNN
电动舵机是个多变量、非线性、强耦合、时变的复杂系统,传统的PID等控制方法对其进行控制时存在精度低、抗干扰能力差等问题.为解决上述问题,本文设计了一种改进学习算法的补偿模糊神经网络(CFNN)控制器,在补偿模糊神经网络学习算法中加入自适应学习速率因子,使神经网络的学习速率根据当前的学习收敛速度做动态的调整,从而加快学习收敛速度,改善其控制性能.仿真结果表明,采用改进学习算法的补偿模糊神经网络控制的电动舵机系统响应更快,鲁棒性强、位置跟踪精度更高,其控制性能优于传统的PID控制与经典学习算法的补偿模糊神经网络控制.
電動舵機是箇多變量、非線性、彊耦閤、時變的複雜繫統,傳統的PID等控製方法對其進行控製時存在精度低、抗榦擾能力差等問題.為解決上述問題,本文設計瞭一種改進學習算法的補償模糊神經網絡(CFNN)控製器,在補償模糊神經網絡學習算法中加入自適應學習速率因子,使神經網絡的學習速率根據噹前的學習收斂速度做動態的調整,從而加快學習收斂速度,改善其控製性能.倣真結果錶明,採用改進學習算法的補償模糊神經網絡控製的電動舵機繫統響應更快,魯棒性彊、位置跟蹤精度更高,其控製性能優于傳統的PID控製與經典學習算法的補償模糊神經網絡控製.
전동타궤시개다변량、비선성、강우합、시변적복잡계통,전통적PID등공제방법대기진행공제시존재정도저、항간우능력차등문제.위해결상술문제,본문설계료일충개진학습산법적보상모호신경망락(CFNN)공제기,재보상모호신경망락학습산법중가입자괄응학습속솔인자,사신경망락적학습속솔근거당전적학습수렴속도주동태적조정,종이가쾌학습수렴속도,개선기공제성능.방진결과표명,채용개진학습산법적보상모호신경망락공제적전동타궤계통향응경쾌,로봉성강、위치근종정도경고,기공제성능우우전통적PID공제여경전학습산법적보상모호신경망락공제.
