基于RBF的直线电机二维平台无模型自适应迭代学习控制
直线电机二维平台在运行中存在强耦合、负载扰动和实际控制模型无法精确获得等问题,对其跟踪精度影响较大.针对此问题,在利用具有学习功能的无模型自适应迭代学习控制并且不依赖系统精确数学模型的基础上,引入可以任意逼近非线性函数的径向基函数(radial basis function,RBF)神经网络控制,对系统误差和未知外部干扰进行估计和补偿,进而提升直线电机二维平台的位置跟踪精度.仿真和实验结果表明,加入RBF神经网络后,实现了对期望输出的精度补偿,与无模型自适应迭代学习控制方案相比,跟踪精度和系统鲁棒性都得到了提高,证明了所提方案的准确性和有效性.
直线电机二维平台、无模型自适应迭代学习控制、RBF神经网络
30
TP29(自动化技术及设备)
国家自然科学基金;国家自然科学基金;北京市自然科学基金资助项目
2023-11-27(万方平台首次上网日期,不代表论文的发表时间)
共10页
1881-1890