【摘 要】
：
针对含有模型不确定性的机电伺服系统,设计一种基于多层神经网络干扰补偿的控制策略。通过多层神经网络对与状态有关的干扰进行在线估计,以提高基于模型前馈控制输入的补偿精
【机 构】
：
,东莞职业技术学院计算机工程系,,华中科技大学软件工程学院
【基金项目】
：
2017广东省教育厅青年创新人才类项目(2017GkQNCX119),东莞市社会科技发展项目(2017507156388)
论文部分内容阅读
针对含有模型不确定性的机电伺服系统,设计一种基于多层神经网络干扰补偿的控制策略。通过多层神经网络对与状态有关的干扰进行在线估计,以提高基于模型前馈控制输入的补偿精度,然后结合误差符号积分鲁棒(RISE)反馈控制方法,通过RISE的鲁棒增益处理神经网络逼近误差与未估计干扰,从而抑制干扰对伺服性能的不利影响。基于Lya⁃punov稳定性理论,证明了所提出控制器的闭环系统半全局渐近稳定,且系统所有信号有界。仿真结果表明:所提出的控制策略具有很好的干扰抑制能力,可显著提高机电伺服系统的跟踪精度。
其他文献
以FeSO4化学还原法为对照,开展硫酸盐还原菌原位修复铬污染土壤的田间试验研究。试验结果表明:微生物法处理后,土壤中Cr(Ⅵ)含量从6.48 mg/kg降至0.95 mg/kg,下降率为85.33%,
在实际油气生产过程中,大多都是野外作业,且生产环境和工作环境都比较特殊,环境较恶劣,而且还会经常移动,这与其他行业的生产作业存在很大的不同,所以在实际生产过程中经常会
大企业为国家贡献了大量的税收收入,在国民经济发展中发挥了巨大作用。但是由于大企业自身经营的复杂性导致其面临较大的税务风险。为了避免税务风险给大企业带来的各种不良