需要金幣： 2000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：13331 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：雙耦合電機控制系統(tǒng)是特殊機械手的一種結構形式，現(xiàn)在廣泛應用于現(xiàn)代工業(yè)中。眾多的事實已經證明了神經網絡的適應能力極其強大，而且任意連續(xù)有界非線性函數(shù)的逼近程度能力較強，對于那些高度非線性和系統(tǒng)嚴重不確定性的控制方面，他呈現(xiàn)了他獨特的優(yōu)越長處。而在神經網絡中的RBF神經網絡擁有簡單的拓撲結構，它的收斂速度相較于其他神經網絡更快，適應的能力更強；因而被科學家們證明了RBF網絡能夠在任意的精度下，逼近任意的連續(xù)函數(shù)。本文就是采用自適應控制和神經網絡相結合來設計一種基于RBF神經網絡反演算法的雙耦合電機的自適應控制方案。首先，對控制對象進行數(shù)學建模，之后進行了精確模型下的反演控制器的設計和穩(wěn)定性分析，證明所要設計的控制律穩(wěn)定；然后，又在未知模型下進行自適應RBF神經網絡反演控制器的設計，通過Lyapunov穩(wěn)定性證明得到所設計的系統(tǒng)穩(wěn)定可靠，最后，在未知模型下的自適應RBF神經網絡反演控制器為例子，在MATLAB/Simulink下進行了仿真分析。 關鍵詞：RBF神經網絡、反演算法、自適應控制、非線性、Lyapunov函數(shù)
目錄 摘要 Abstract 一、緒論1 1.1電機的分類及應用1 1.2電機控制的簡介2 1.3自適應控制簡介3 1.4自適應控制系統(tǒng)分類4 二、神經網絡控制方式4 2.1自適應神經網絡的研究背景4 2.2神經網絡控制發(fā)展的簡介5 2.3現(xiàn)代自適應神經網絡控制系統(tǒng)的研究現(xiàn)狀8 2.4 RBF神經網絡簡介9 2.4（1）RBF神經網絡的特點.10 2.4（2）RBF神經網絡與BP神經網絡的比較.10 2.4.1李雅普諾夫穩(wěn)定性理論11 2.5 本文的主要研究目標.12 三、雙耦合電機的數(shù)學建模和控制13 3.1對系統(tǒng)數(shù)學建模13 3.2精確對象的反演控制15 3.3無需模型信息的神經網絡反演控制17 四、在Simulink中建模和仿真21 4.1Simulink的介紹21 4.2Simulink的S-函數(shù)21 4.2.1系統(tǒng)在Simulink中建模22 4.3控制器S函數(shù)23 4.4被控對象S函數(shù)23 4.5仿真結果26 4.6仿真分析27 結束語30 文獻31 致謝32 附錄1.33 |
