摘要
伺服系统是一种典型的非线性系统,常规线性控制器无法获得高精度控制性能。该文通过在伺服控制系统的速度环中引入基于径向基神经网络的补偿控制器,提出了一种基于径向基神经网络的模型参考补偿控制策略。该补偿控制器能够对系统的非线性不确定性进行实时在线学习,对参数变化及扰动等因素进行实时补偿。仿真结果进一步表明,该控制策略降低了参数变化和外界扰动等不确定性因素对系统的影响,达到了较高的跟踪精度,提高了系统鲁棒性,即使在持续正弦信号干扰下也具有良好的性能。
Servo system is a typical nonlinear system that conventional linear controllers can not obtain high precision control performance.In this paper,the radial basis function neural networks(RBFNN) compensator is introduced into the speed control loop of the servo control system,and a model reference compensating control strategy based on RBFNN is brought forward.The compensator is able to learn the nonlinear uncertainties of the system online and compensate the parameter uncertainties and disturbances in real t...
出处
《杭州电子科技大学学报（自然科学版）》
2009年第6期91-94,共4页
Journal of Hangzhou Dianzi University：Natural Sciences
基金
浙江省科技计划资助项目(C21051)
杭州电子科技大学科研启动基金资助项目(KYS09150543)
关键词
高精度伺服控制
补偿控制
径向基函数神经网络
模型参考控制
high precision servo control
compensating control
radial basis function neural networks
model reference control
