高精度伺服系统的模糊CMAC补偿控制

被引：6

作者：

刘士荣 ^{[1
]}

周国成 ^{[1
]}

吴秋轩 ^{[1
]}

史先鹏 ^{[2
]}

机构：

[1] 杭州电子科技大学自动化研究所

[2] 华东理工大学自动化研究所

来源：

控制工程 | 2010年 / 17卷 / 06期

关键词：

模糊小脑模型; 补偿控制; 高精度伺服控制;

D O I：

10.14107/j.cnki.kzgc.2010.06.010

中图分类号：

TM921.541 [];

学科分类号：

摘要：

针对伺服系统存在非线性和参数不确定性,PID等常规控制器几乎无法获得高精度控制性能的问题,提出了一种基于FCMAC的补偿控制器,将其应用于伺服系统的速度闭环控制。FCMAC补偿控制器能够实时在线学习系统的非线性,对参数变化及扰动等因素进行实时补偿。将FCMAC补偿控制器与模型参考跟踪控制结合,能有效地改善伺服系统的鲁棒性。仿真结果进一步表明,该控制策略能降低系统对参数变化和外界扰动等不确定性的灵敏度,即使在持续正弦信号干扰下也具有良好的性能。

引用

页码：836 / 840

页数：5

共 4 条

[1]

模糊CMAC及其在机器人轨迹跟踪控制中的应用 [J].

孙炜 ;

王耀南 .

控制理论与应用, 2006, (01) :38-42

[2]

新的基于mass-assignment的模糊CMAC神经网络及其学习收敛性(英文) [J].

王士同JFBaldwinTPMartin .

软件学报, 2001, (06) :816-821

[3]

关于广义模糊CMAC学习收敛性的理论结果(英文) [J].

王士同 ;

Baldwin ;

J.F. ;

Martin ;

T.P. .

软件学报, 2000, (11) :1440-1450

[4]

The control of a parallel hybrid-electric propulsion system for a small unmanned aerial vehicle using a CMAC neural network.[J].Frederick G. Harmon;Andrew A. Frank;Sanjay S. Joshi.Neural Networks.2005, 5

← 1 →