针对低空四旋翼无人机系统具有不确定性的控制特点,设计了一种小脑模型关节控制器(cerebellar model articulation controller,CMAC)神经网络与模糊PID控制器复合的控制方案,将其应用于四旋翼无人机系统的姿态跟踪设计中,并与模糊PID控...针对低空四旋翼无人机系统具有不确定性的控制特点,设计了一种小脑模型关节控制器(cerebellar model articulation controller,CMAC)神经网络与模糊PID控制器复合的控制方案,将其应用于四旋翼无人机系统的姿态跟踪设计中,并与模糊PID控制进行对比。实验结果表明,该方法可以根据无人机动态特性的变化实时更新控制器的参数,具备良好的学习能力,能够实现低空四旋翼无人机姿态的模糊自适应跟踪控制。展开更多
针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型(Cerebellar Model Articulation Controller,CMAC)在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应...针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型(Cerebellar Model Articulation Controller,CMAC)在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应模糊CMAC用以逼近气动人工肌肉系统中的不确定项.CMAC网络权值的在线学习调整保证了自适应模糊CMAC的逼近性能.对离散抗饱和PID控制器(DASPID)与自适应模糊CMAC离散滑模混合控制器(HybridC)的位置跟踪控制性能进行了对比实验.实验结果表明,HybridC较之DASPID有更好的位置跟踪控制性能.当期望参考输入为正弦信号时,DASPID的最大位置跟踪误差为±1.5 mm;而HybridC的最大位置跟踪误差仅为±0.7 mm,平均位置跟踪误差大约仅为±0.2 mm.并且,离散滑模所固有的抖振现象得到了有效的抑制.展开更多
针对高阶柔性直线系统的跟踪控制问题,设计了一种将改进的小脑模型关节控制器(Cerebellar Model Articulation Controller,CMAC)神经网络与传统控制器并联的控制方案。基于参数自适应算法和梯度下降法提出了一种高斯基函数CMAC神经网络...针对高阶柔性直线系统的跟踪控制问题,设计了一种将改进的小脑模型关节控制器(Cerebellar Model Articulation Controller,CMAC)神经网络与传统控制器并联的控制方案。基于参数自适应算法和梯度下降法提出了一种高斯基函数CMAC神经网络的参数自适应更新律;利用符号距离的概念减少了神经网络的输入维数;并利用自适应遗传算法对神经网络的学习率进行了优化。仿真实验表明改进的高斯基函数CMAC具有比传统CMAC更好的学习能力,控制方案实现了高阶柔性直线系统的无差跟踪控制。展开更多
文摘针对低空四旋翼无人机系统具有不确定性的控制特点,设计了一种小脑模型关节控制器(cerebellar model articulation controller,CMAC)神经网络与模糊PID控制器复合的控制方案,将其应用于四旋翼无人机系统的姿态跟踪设计中,并与模糊PID控制进行对比。实验结果表明,该方法可以根据无人机动态特性的变化实时更新控制器的参数,具备良好的学习能力,能够实现低空四旋翼无人机姿态的模糊自适应跟踪控制。
文摘针对高阶柔性直线系统的跟踪控制问题,设计了一种将改进的小脑模型关节控制器(Cerebellar Model Articulation Controller,CMAC)神经网络与传统控制器并联的控制方案。基于参数自适应算法和梯度下降法提出了一种高斯基函数CMAC神经网络的参数自适应更新律;利用符号距离的概念减少了神经网络的输入维数;并利用自适应遗传算法对神经网络的学习率进行了优化。仿真实验表明改进的高斯基函数CMAC具有比传统CMAC更好的学习能力,控制方案实现了高阶柔性直线系统的无差跟踪控制。
