磁悬浮系统能使铁磁性物体悬浮在空中,可以应用于科研、医疗、娱乐、交通等多个领域。为了解决非线性、不稳定磁悬浮系统的控制问题,建立了磁悬浮时滞系统的数学模型,采用了Backstepping控制以及RBF神经网络和Backstepping控制结合的方...磁悬浮系统能使铁磁性物体悬浮在空中,可以应用于科研、医疗、娱乐、交通等多个领域。为了解决非线性、不稳定磁悬浮系统的控制问题,建立了磁悬浮时滞系统的数学模型,采用了Backstepping控制以及RBF神经网络和Backstepping控制结合的方法进行研究,采用李雅普诺夫稳定性理论分别设计非线性控制器,保证闭环系统的理论稳定。在此基础上,利用Radial basis function (RBF)神经网络的逼近特性,设计了自适应律,研究了对系统中未知函数的拟合。最后,通过MATLAB对两种控制方法的效果进行对比,仿真结果表明,两种方法均能使系统稳定,RBF神经网络与Backstepping控制结合的方法能较快实现稳定,效果更好,且RBF神经网络对未知函数的拟合效果也良好。展开更多
文摘在下肢康复机器人的康复训练过程中,模型参数、环境干扰等不确定性因素会影响机器人轨迹跟踪的精度。针对这一问题,提出了一种基于径向基函数(Radial Basis Function,RBF)神经网络的自适应补偿控制,该控制方法能够提高机械系统轨迹跟踪的精确性。首先,设计一款具有4种工作模式、运动稳定的闭链卧式下肢康复机器人结构;然后,利用拉格朗日方法求解动力学名义模型,将康复装置的模型参数以及外界干扰等不确定性因素分离出来,并设计基于RBF神经网络的自适应补偿算法对其进行逼近控制;最后,通过Matlab/Simulink环境对其进行仿真验证,证明了该控制策略的有效性。结果显示,在人体步态曲线轨迹跟踪中,提出的基于RBF神经网络的自适应补偿算法相比传统的模糊比例-积分-微分(Proportional Integral Derivative,PID)控制的方法响应速度快、跟踪效果好,且髋关节和膝关节轨迹跟踪的角度误差峰值分别为0.08°和0.13°,远小于患者下肢在康复运动中的转动角度。设计了单腿样机试验,试验结果表明,采用的RBF补偿自适应控制器能够实现高精度的跟踪结果,也能够满足患者在康复训练中安全性的要求。
文摘磁悬浮系统能使铁磁性物体悬浮在空中,可以应用于科研、医疗、娱乐、交通等多个领域。为了解决非线性、不稳定磁悬浮系统的控制问题,建立了磁悬浮时滞系统的数学模型,采用了Backstepping控制以及RBF神经网络和Backstepping控制结合的方法进行研究,采用李雅普诺夫稳定性理论分别设计非线性控制器,保证闭环系统的理论稳定。在此基础上,利用Radial basis function (RBF)神经网络的逼近特性,设计了自适应律,研究了对系统中未知函数的拟合。最后,通过MATLAB对两种控制方法的效果进行对比,仿真结果表明,两种方法均能使系统稳定,RBF神经网络与Backstepping控制结合的方法能较快实现稳定,效果更好,且RBF神经网络对未知函数的拟合效果也良好。