-
公开(公告)号：CN109560551A
公开(公告)日：2019-04-02
申请号：CN201811396845.1
申请日：2018-11-22
Applicant: 河海大学常州校区
Abstract: 本发明提出的基于回归神经网络的有源电力滤波器分数阶全局滑模控制方法，包括以下步骤：建立有源电力滤波数学模型；基于回归神经网络建立回归神经网络分数阶全局滑模控制器，设计控制律和自适应律；利用回归神经网络分数阶全局滑模控制器控制有源电力滤波器。本发明可设定中心向量及基宽的初值，中心向量及基宽会随着所设计的自适应算法根据不同的输入自动稳定到最佳值。在滑模面中加入分数阶项，相比较整数阶滑模控制断续的阶次调整，具有更多可调节的阶数自由度。分数阶全局滑模控制可以消除滑模控制的到达运动阶段，使系统在响应的全过程都具有鲁棒性。本发明实现实现了对指令电流实时跟踪补偿，可靠性高，对参数变化有良好的鲁棒性和稳定性。
-
公开(公告)号：CN109917645A
公开(公告)日：2019-06-21
申请号：CN201910129369.5
申请日：2019-02-21
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了微陀螺双反馈模糊神经网络超扭曲滑模控制系统设计方法，控制系统参考模型、滑模面、自适应律、双反馈模糊神经网络逼近器、超扭曲模糊滑模控制器和微陀螺系统。本发明针对实际微陀螺系统模型未知及其参数不确定性等问题，提出了基于双反馈模糊神经网络的微陀螺系统的自适应超扭曲滑模控制方法。相比于传统的神经网络控制，本发明设计的双闭环模糊神经网络具有全调节的优势，可以任意设定中心向量及基宽的初值，中心向量、基宽值以及神经网络的权值都会随着所设计的自适应算法根据不同的输入自适应调整到最佳值，自适应算法通过Lyapunov稳定性理论得出，动态双反馈神经网络由于加入了信号回归回路，能够存储更多的信息，对微陀螺系统未知模型逼近的精度更高，同时结合高阶超扭曲算法的优越性，能够有效抑制系统的控制输入抖振，能够保证系统在有限时间内收敛，快速精确跟踪参考轨迹，从而提高控制系统性能，并利用MATLAB对算法的优越性进行了实验验证。
-
公开(公告)号：CN109917645B
公开(公告)日：2022-03-08
申请号：CN201910129369.5
申请日：2019-02-21
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了微陀螺双反馈模糊神经网络超扭曲滑模控制系统设计方法，控制系统参考模型、滑模面、自适应律、双反馈模糊神经网络逼近器、超扭曲模糊滑模控制器和微陀螺系统。本发明针对实际微陀螺系统模型未知及其参数不确定性等问题，提出了基于双反馈模糊神经网络的微陀螺系统的自适应超扭曲滑模控制方法。相比于传统的神经网络控制，本发明设计的双闭环模糊神经网络具有全调节的优势，可以任意设定中心向量及基宽的初值，中心向量、基宽值以及神经网络的权值都会随着所设计的自适应算法根据不同的输入自适应调整到最佳值，自适应算法通过Lyapunov稳定性理论得出，动态双反馈神经网络由于加入了信号回归回路，能够存储更多的信息，对微陀螺系统未知模型逼近的精度更高，同时结合高阶超扭曲算法的优越性，能够有效抑制系统的控制输入抖振，能够保证系统在有限时间内收敛，快速精确跟踪参考轨迹，从而提高控制系统性能，并利用MATLAB对算法的优越性进行了实验验证。
-
-
Search Results
3
records
(took 0.015 seconds)
