首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  完全免费   2篇
  自动化技术   2篇
  2022年   1篇
  2013年   1篇
排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
针对具有未知动态的电驱动机器人,研究其自适应神经网络控制与学习问题.首先,设计了稳定的自适应神经网络控制器,径向基函数(RBF)神经网络被用来逼近电驱动机器人的未知闭环系统动态,并根据李雅普诺夫稳定性理论推导了神经网络权值更新律.在对回归轨迹实现跟踪控制的过程中,闭环系统内部信号的部分持续激励(PE)条件得到满足.随着PE条件的满足,设计的自适应神经网络控制器被证明在稳定的跟踪控制过程中实现了电驱动机器人未知闭环系统动态的准确逼近.接着,使用学过的知识设计了新颖的学习控制器,实现了闭环系统稳定、改进了控制性能.最后,通过数字仿真验证了所提控制方法的正确性和有效性.  相似文献
2.
形状记忆合金(SMA)作为一类仿人肌肉驱动的智能柔性驱动材料, 在机器人及高端制造等领域逐步得到 应用, 但由于SMA的热力学效应, 造成输入输出之间存在强饱和回滞非线性, 从而影响了驱动性能. 此外在引入负 载后, SMA柔性驱动部件输出性能表现出更为复杂的驱动特性. 因此, 如何有效抑制带载条件下SMA柔性驱动部件 强饱和非线性影响, 成为提升驱动性能的关键. 针对此问题, 本文重点研究带载条件下SMA柔性驱动部件的建模及 驱动控制算法. 针对SMA驱动部件中的强饱和非线性特性, 本文提出一类修正(MGPI)回滞模型来进行表征. 通过设 定线性输入形状函数, 不仅有效解析表征SMA驱动部件中的饱和回滞非线性, 并且便于控制器设计. 基于MGPI模 型, 考虑柔性驱动部件的动态特性, 本文提出了带载条件下的SMA柔性驱动部件的自适应神经网络控制算法, 实现 考虑内部非线性和外部干扰条件下的驱动精度有效提升, 并保证全局稳定性.  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号