Euler-Lagrange系統(tǒng)自適應模糊神經(jīng)跟蹤控制.pdf_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、Euler-Lagrange系統(tǒng)是一種具有代表性的非線性系統(tǒng),它可以描述許多復雜的動力學問題,因此針對Euler-Lagrange系統(tǒng)軌跡跟蹤控制的研究具有很好的實際應用意義和理論研究價值。本文提出了三種模糊神經(jīng)自適應控制方法,為Euler-Lagrange系統(tǒng)的軌跡跟蹤控制問題提供了有效的解決辦法。
  本文首先針對Euler-Lagrange系統(tǒng)中存在模型不確定性和未知外界擾動等問題,本文提出了一種基于變論域模糊系統(tǒng)的魯棒自適

2、應Backstepping跟蹤控制方法。變論域模糊系統(tǒng)是由帶有變伸縮因子的模糊基函數(shù)構(gòu)成,通過伸縮因子根據(jù)系統(tǒng)狀態(tài)的自適應在線調(diào)整,實現(xiàn)了模糊系統(tǒng)輸入空間的自適應和模糊基函數(shù)的自適應,在不增加模糊規(guī)則的前提下提高控制精度。仿真研究驗證了所提出方法的有效性。其次,為減少逼近器輸入維度,降低運算復雜度,提出了一種基于極速學習神經(jīng)網(wǎng)絡的混合前饋-反饋魯棒自適應跟蹤控制方法。通過設計前饋極速學習神經(jīng)網(wǎng)絡逼近器,實現(xiàn)了對系統(tǒng)不確定性的有效逼近;與

3、傳統(tǒng)反饋逼近控制相比,所提出的前饋逼近器只需要參考量作為神經(jīng)網(wǎng)絡的輸入,不僅減少了逼近器的輸入維度,而且減少了隱含層節(jié)點數(shù),從而極大精簡了逼近器結(jié)構(gòu),降低了運算復雜度;此外,設計H∞魯棒補償項,消除未知外界擾動和逼近誤差對控制精度的影響。仿真研究驗證了所提出方法的有效性。最后,針對速度不可測的Euler-Lagrange系統(tǒng),提出了一種基于自組織模糊神經(jīng)觀測器的H∞輸出反饋控制方法。通過設計自組織模糊神經(jīng)速度觀測器,實現(xiàn)對未知速度的準確

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論