共查询到19条相似文献,搜索用时 93 毫秒
1.
2.
3.
为提高电视末制导炮弹对地面目标的命中精度,减小炮弹的落角误差,同时实现以期望落角命中目标,在分析带落角约束滑模制导律特点的基础上,针对RBF(Radial Basis Function)神经网络滑模制导律难以以期望落角命中目标的不足,提出了一种结合均值聚类与RBF神经网络的滑模制导律,使得神经网络在学习过程中能根据炮弹的实时飞行状态不断调整聚类中心,使中心值始终是目前飞行状态下的最优解,实现制导律的优化.对静目标与动目标算例的数值仿真表明:相比带落角约束的滑模控制,RBF神经网络滑模控制、均值聚类RBF神经网络滑模控制由于均值聚类的加入,求得的切换项增益能使炮弹以期望落角命中目标,且具有较强的鲁棒性. 相似文献
4.
5.
四旋翼飞行器因存在参数不确定性和环境干扰,会出现姿态不稳定的问题,而传统的PID控制对四旋翼的姿态稳定及机动性达不到控制需求.为此,提出了一种扩张状态观测器(ESO)的RBF神经网络PID控制器.首先,利用ESO的扩张特性和非线性函数对扰动进行估计和补偿,减少系统的误差;其次,将ESO对系统输出的估计值作为RBF神经网络的输入,使梯度信息更加精确,能够更好地优化增量PID的参数;最后,该神经网络的激励函数取高斯基函数,利用RBF神经网络的自适应性、自学习能力对模型控制参数进行调整.Matlab仿真实验表明,在未知干扰环境下,ESO的RBF神经网络PID控制器能够明显提高系统的抗干扰能力,且具有较小的超调量及较好的鲁棒性. 相似文献
6.
7.
8.
9.
10.
11.
传统的RBF(Radial Basis Function)神经元基函数通常把高斯类型与单一宽度作为每个神经元的激活函数,这些特性限制了网络神经元的性能,特别是在处理复杂的非线性建模问题上.为了克服这个限制,本文应用了具有类似RBF网络,但激活函数不同-超基函数HBF(Hyper Basis Function)的网络.结合RBF网络,分析了HBF网络的结构、基函数形式及基函数对网络的影响,利用决策树算法计算了网络中心.在此基础上,提出了一种基于HBF神经网络的自适应观测器设计方法,并通过引入Lyapunov函数,证明了这种观测器设计方法的稳定性;最后通过仿真验证了这种HBF神经网络观测器能很好地观测系统的状态值. 相似文献
12.
一种可在线学习的变结构径向基函数网络及其在被动声纳目标识别中的应用 总被引:5,自引:0,他引:5
提出一种新颖的隐节点可调的变结构径向基函数,并应用进化规划最优地确定和调节变结构径向基函数网络隐层节点的数目及其核函数的中心和宽度,从而使网络具有在线学习和记忆新的目标模式的功能,并将该网络应用于被动声纳目标的识别和在线学习实验结果表明基于进化规划的变结构径向基函数网络不仅了网络的泛化能力,而且能够有效垢解决传统神经网络技术在被动声纳目标识别过程中在线学习会造成原有记忆遗忘的困难。 相似文献
13.
负载惯量和外界干扰是影响贴片机X,Y轴快速高精度定位的两个关键因素。本文针对负载惯量和外界干扰对控制性能的影响,提出了基于RBF神经网络的自适应滑模控制算法。利用RBF神经网络的万能逼近特性实现对外加干扰和被控对象模型信息的逼近,运用自适应控制算法计算前馈补偿量以补偿负载惯量和摩擦力对运动性能的影响,采用滑模控制算法以抑制其他不确定干扰对运动控制的影响。通过仿真分析可以得出,所采用的控制算法能够有效地补偿负载惯量和外界干扰对定位性能的影响,从而实现贴片机X,Y轴的快速高精度定位。 相似文献
14.
In this paper, we discuss the trajectory switching neural control problem for the switching model of a serial n-joint robotic manipulator. The key feature of this paper is to provide the dual design of the control law for the developed adaptive switching neural controller and the associated robust compensation control law. RBF Neural Networks (NNs) are employed to approximate unknown functions of robotic manipulators and a robust controller is designed to compensate the approximation errors of the neural networks and external disturbance. Via switched multiple Lyapunov function method, the adaptive updated laws and the admissible switching signals have been developed to guarantee that the resulting closed-loop system is asymptotically Lyapunov stable such that the joint position follows any given bounded desired output signal. Finally, we give a simulation example of a two-joint robotic manipulator to demonstrate the proposed methods and make a comparative analysis. 相似文献
15.
16.
Shaojie Zhang Xiangwei Qiu Chunsheng Liu 《Circuits, Systems, and Signal Processing》2014,33(6):1971-1984
A neural adaptive compensation control scheme for a class of multi-input multi-ouput (MIMO) uncertain nonlinear systems with actuator failures is proposed based on prescribed performance bound (PPB) transient performance which characterizes the convergence rate and maximum overshoot of the tracking error. RBF neural networks are used to approximate the error of plant model, the control law proposed can guarantee the asymptotic output tracking and closed-loop signal bounds. The control scheme is applied to a twin otter aircraft longitudinal nonlinear dynamics model in the presence of unknown failures. Simulation results demonstrate the effectiveness of the proposed method. 相似文献
17.
针对在非协作通信以及低信噪比下组合二进制偏移载波(CBOC)信号伪码周期和组合码序列较难估计的问题,该文提出了2次谱算法与基于径向基函数(RBF)神经网络算法。对输入信号进行2次功率谱计算,可以得到CBOC信号的伪码周期。在此基础上,首先对接收的1周期组合码序列进行重叠分段,其次优化筛选出学习系数,对每段数据向量作为RBF神经网络的输入信号并进行有监督地调节,最后对每段数据向量多次输入并反复训练权值向量就可以恢复原组合码序列。仿真结果表明,利用2次谱可以在低信噪比下估计出伪码周期;在误码率低于1%的情况下,所提出的RBF神经网络相比于反向传播(BP)神经网络与Sanger神经网络,信噪比分别提高1 dB和3 dB,并且在同等条件下所需的数据组数较少。 相似文献
18.