某随动平台模糊RBF神经网络终端滑模控制设计

为了提高某随动系统负载模拟器加载系统的力矩跟踪精度,提出一种模糊RBF神经网络终端滑模复合控制方法。首先通过对随动负载模拟器的系统组成和工作原理的分析,简化力矩电机模型,根据扭矩传感器和惯量盘的模型,建立随动负载模拟器的简化等效模型。随后设计了一种快速终端滑模控制器,为了提高滑模的动态品质,利用模糊神经网络方法动态调节滑模面参数。同时,为了提高模糊RBF神经网络的学习和训练速度,用最近邻层次聚类和共轭梯度算法调整网络各参数,并对算法进行局部优化以提高算法性能。最后进行仿真,证明该方法提高了系统控制精度且具有良好的动态特性。

基于RBF神经网络的破障武器内模PID控制

针对破障武器伺服系统中存在的非线性、参数时变和不确定性等因素,提出了一种基于RBF神经网络的内模PID控制策略。通过RBF神经网络对内模PID控制器的唯一参数进行调节,同时对RBF神经网络采用LM算法进行训练。仿真结果表明,控制方法具有良好的系统动态品质、鲁棒性和抗干扰能力,能够有效地加快破障武器的调炮速度以及提高破障武器的破障精度。