论文部分内容阅读
基于对象的逆动力学模型,提出一种RBF神经网络逆控制的在线自学习控制方案。辨识器采用RBF神经网络和最近邻聚类学习算法,实现对象逆模型的动态辨识。并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性。为克服逆控制对非最小相位系统的不足,利用构造伪系统的方法,构成一种对非最小相位系统仍然有效的神经网络逆控制器。仿真实验证明该控制策略不仅能使非线性非最小相位系统具有良好的动态跟踪性能,而且具有较好的抗干扰能力。