论文部分内容阅读
基于CMAC神经网络的电动伺服摩擦补偿控制器用微分方程描述被控对象并建立其模型.控制器以系统动态误差作为CMAC的输入,用CMAC的输出与系统总输入之差调整权重.学习中,CMAC初始状态权重值为0,将误差期望值与系统当前误差量化后作为地址输入CMAC.计算CMAC的输出,然后与控制器输出相加得到系统总控制输入并进行控制.实验表明经在线学习补偿被控对象的非线性,使系统具有较强的自适应和鲁棒性.