自适应控制是一种提高系统鲁棒性的有效方法。模糊神经网络具有了模糊逻辑和神经网络两者的优点,结合模糊神经网络(Fuzzy Neural Network-FNN)自适应控制策略和通用模型控制(Common Model Control-CMC)方法,以此来实现被控对象的逆控制...
详细信息
自适应控制是一种提高系统鲁棒性的有效方法。模糊神经网络具有了模糊逻辑和神经网络两者的优点,结合模糊神经网络(Fuzzy Neural Network-FNN)自适应控制策略和通用模型控制(Common Model Control-CMC)方法,以此来实现被控对象的逆控制,提出了基于模糊神经网络的通用模型自适应控制(FNNC-CMAC)。此控制方法参考轨迹是一条典型二阶曲线,仿真结果验证了鲁棒性,与基于模糊神经网络的通用模型控制及基于模糊逻辑的通用模型自适应控制相比,其控制性能更好。
提高控制系统鲁棒性的一种有效的方法是应用自适应控制。本文结合通用模型控制策略(Common Model Control-CMC),应用小波神经网络(Wavelet Neural Network-WNN)自适应控制方法实现对被控对象的逆控制,从而提出基于小波神经网络的通用模...
详细信息
提高控制系统鲁棒性的一种有效的方法是应用自适应控制。本文结合通用模型控制策略(Common Model Control-CMC),应用小波神经网络(Wavelet Neural Network-WNN)自适应控制方法实现对被控对象的逆控制,从而提出基于小波神经网络的通用模型自适应控制(Common Model Adaptive Control-CMAC)。基于小波神经网络的自适应控制器能产生复杂的控制规律,能更精确地逼近非线性被控对象,也克服了通用模型控制策略要求过程一阶微分模型应该有显式解的局限性。该控制策略的参考轨迹是一条典型的二阶曲线,仿真结果验证了该控制策略的有效性。
暂无评论