为了解决车辆编队控制问题,设计了自适应神经网络编队控制器.在跟随车辆未知领航车辆速度的情况下,根据位置误差、角速度误差和前一时刻跟随车辆的速度,使用神经网络自适应在线调整神经元权重的方法,控制跟随车辆的速度.恰当选择控制器参数,能使跟随误差能足够小.通过六边形队形仿真实验证明了该编队控制器的有效性.该研究结论突破了车辆编队控制中跟随车辆需要已知领航车辆速度的限制,有助于节省速度传感器的使用.
2024-02-27 23:31:04
954KB
1
当永磁同步电机速度控制系统面对变负载和大范围调速时,PID 控制器参数需要频繁调整且速度跟踪不理想。通过结合滑模理论和神经网络方法,本文提出一种变负载自适应速度控制策略。控制器可以分为PI 控制和神经网络控制两部分。其中,PI 控制器用于保证系统前期收敛和稳定性,其输出信号作为误差反馈信号输入到神经网络,并基于线性滑模理论设计权值参数的调节律。当系统负载发生变化时,神经网络控制器的输出将取代PI 控制器,逐渐成为系统的主要速度控制信号。仿真结果显示,本文提出的速度控制方法能够提高系统的速度跟踪性能和抗干扰
2023-03-31 19:55:49
1.09MB
1
针对模型未知的多机械臂系统,利用多个独立的RBF神经网络,对每个子机械臂系统进行逼近,基于图论原理定义了每个子系统之间的同步耦合关系,结合滑模控制方法设计出一种机械臂无模型自适应同步控制器。通过神经网络权值的不断在线迭代过程,随机械臂工作任务的变化可以实现对其动力学模型的实时逼近,摆脱了数学模型的限制,扩大了控制器的应用范围,在初始误差较大的情况下也可以保证对期望轨迹实现快速跟踪,并且系统在载荷发生改变等不确定的情况下依然能够实现同步,提高了控制器的鲁棒性。最后通过Lyapunov稳定性分析和Matlab仿真对所设计的同步控制器进行了验证。
2022-11-15 19:13:58
1.22MB
1