GBF-CMAC和滑模控制的柔性结构系统控制
针对一类不确定系统的跟踪控制,设计了一种将GBF-CMAC(cerebellar model articulation controller with Gauss basis function)与滑模控制相结合的控制系统.利用符号距离和分层结构减少了神经网络所需存储器的数量,并提出了一种神经网络参数的自适应学习律.将设计的控制器用于含有不确定性和欠驱动结构的高阶柔性直线结构系统的跟踪控制,并与一般滑模控制和积分滑模控制进行了比较.实验结果表明,所设计的控制器不仅具有较好的鲁棒性,而且改善了滑模控制存在的抖振问题.同时通过调整神经网络的参数对抖振进行控制,实现了抖振和跟踪性能之间的最优选择.
高斯基函数、小脑模型控制器、神经网络、自适应、分层结构、滑模控制、不确定系统、柔性直线系统
13
TP273(自动化技术及设备)
国家自然科学基金项目61573230
2018-09-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
791-798