基于改进CMAC的高阶柔性直线系统跟踪控制

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。