预览加载中，请您耐心等待几秒...

基于RBF神经网络电液伺服系统智能控制的在线辨识与PID参数自适应整定.ppt

预览
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲，该文档总共32页，到这已经超出免费预览范围，如果喜欢就直接下载吧～

下载提示 文本预览

如果您无法下载资料，请参考说明：

1、部分资料下载需要金币，请确保您的账户上有足够的金币

2、已购买过的文档，再次下载不重复扣费

3、资料包下载后请先用软件解压，在使用对应软件打开

基于RBF神经网络电液伺服系统智能控制的在线辨识与PID参数自适应整定研究内容课题研究意义 控制系统建模平台液位控制系统的相关参数如上表所示，带入表中的数值可求得液压缸的传递函数模型。电液伺服阀传递函数的确定 电液伺服阀的传递函数是伺服阀动态特性的近似线性解析描述，但是具体采用什么环节应根据系统的频宽和伺服阀的频率而定。当伺服阀线圈转折频率大于伺服阀的固有频率时，伺服阀的传递函数可以近似为比例环节；当伺服阀的固有频率大于液压固有频率时可简化为惯性环节。本文从实际角度出发，取二阶环节，即 本文选用的是中国航空附件研究所生产的FF102伺服阀，伺 服阀的相关参数均从其使用说明书查得。 所以可得从伺服放大到液压缸的传递函数为：传统的系统辨识理论的主要内容就相应的变成神经网络拓扑结构的选择，神经网络辨识模型结构的选择，神经网络的学习训练。 本文采用RBF神经网络构造动态辨识网络。 由电液控制系统的理论模型分析可知，简化以后的是一个三到五阶的系统。根据系统的非线性描述方式，把研究系统的输出的延迟作为RBF辨识网络的输入，延迟的步数由系统模型的阶次确定，这样根据阶次即可确定RBF辨识网络输入层神经元个数。 RBF在线辨识与PID参数自适应整定神经网络辨识技术 神经网络系统辨识实质上是选择一个适当的神经网络模型来逼近实际系统的数学模型。 式中，可以通过神经网络的辨识而得，第k时刻的 可近似等于，其中X1是包含u的一维向量，则 所以系统仿真结论后续工作参考文献 请老师及各位同学批评指正 ^_^