忆阻神经网络自适应滑模控制及其应用

光电吊舱系统中存在各种扰动和未建模动态,常规控制算法难以适应复杂情况。采用神经网络实现模型未知部分的自适应估计,结合滑模变结构控制,可以有效提升控制精度,但在控制初始阶段,神经网络估计没有收敛到实际模型时,滑模控制存在抖振现象。因此,提出了基于忆阻器神经网络自适应滑模控制算法,采用神经网络可以逼近未建模态,提升控制精度,而忆阻器神经网络来保存权值参数,可以减小神经网络收敛时间。在控制的初始段,改进自适应增益来减小由于神经网络估计误差带来的抖振现象,仿真与实验结果表明,采用忆阻神经网络及改进的自适应增益算法,初始抖振显现得到了很好的控制,算法收敛时间减小为常规滑模控制算法的1/2,稳态控制精度较常规滑模变结构控制算法提升了59.18%。