论文部分内容阅读
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 Basis Function 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-Derivativ