| 一种改进共轭梯度在线学习滑模控制算法 |
| |
| 引用本文： | 何晟,夏鲲.一种改进共轭梯度在线学习滑模控制算法[J].电子测量技术,2017,40(8):1-5. |
| |
| 作者姓名： | 何晟 夏鲲 |
| |
| 作者单位： | 上海理工大学 光电信息与计算机工程学院 上海 200072,上海理工大学 光电信息与计算机工程学院 上海 200072 |
| |
| 摘 要： | 对于一类基于T-S模糊模型描述的非线性不确定系统,滑模控制算法的稳态误差和动态品质与T-S模糊算法描述模型的准确度相关,利用最小二乘支持向量机算法(LSSVM)学习T-S模糊模型可以很好的逼近实际系统.但是由于LSSVM算法对数据量有一定要求,而且学习速度比较慢,对要求动态响应较高或者内存较小的系统不适用.提出了一种基于改进共轭梯度在线学习算法学习T-S模型,可以实时逼近实际模型,配合滑模控制算法可以达到控制系统的渐进稳定.在不同误差条件下对该控制算法进行仿真实验,在随机误差幅值100以内,系统稳态误差为0.01,同时对时变误差表现出快速的稳定特性,显示了该控制算法较强的鲁棒性.最后,实验还对随机误差幅值为500的系统验证了T-S模型对于系统学习数据的随机误差具有去噪能力.
|
| 关 键 词： | T-S模糊模型 滑模控制 共轭梯度法 最小二乘支持向量机 鲁棒性 |
Improved conjugate gradient online learning sliding mode control algorithm |
| |
| He Sheng and Xia Kun.Improved conjugate gradient online learning sliding mode control algorithm[J].Electronic Measurement Technology,2017,40(8):1-5. |
| |
| Authors: | He Sheng and Xia Kun |
| |
| Affiliation: | School of Optical Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200072, China and School of Optical Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200072, China |
| |
| Abstract: | |
| |
| Keywords: | T-S fuzzy model sliding mode control conjugate gradient method least squares support vector machine robustness |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电子测量技术》浏览原始摘要信息 |
|
点击此处可从《电子测量技术》下载全文 |
|
