Adaptive sliding mode control using RBF network
-
摘要: 针对实际系统易受未知非线性、外界干扰和参数摄动等不确定因素影响的问题,以高精度模拟转台为例,采用一种基于RBF(Radial Basis Function)网络的自适应滑模控制器.控制器由名义反馈控制器和滑模干扰补偿器两个子系统组成.反馈控制器通过极点配置的方法实现,用来稳定名义系统.干扰补偿器使用一个自适应RBF网络在线辨识不确定性的上界值.计算机仿真结果表明了该法的鲁棒性和有效性.Abstract: Like most practical systems, high precision simulator is sensitive to nonlinearities, external disturbances and parameter perturbations. To solve such control problems, an adaptive sliding-mode controller based on RBF network was adopted. The proposed controller was divided into two parts: a nominal feedback controller and a sliding mode disturbance compensator. The feedback controller used pole configuration to stabilize the nominal system. The disturbance compensator used an adaptive RBF network to recognize the upper bound of the uncertainties on line. The result of computer simulation demonstrates the robustness and the effectiveness of the proposed algorithm.
-
Key words:
- RBF network /
- sliding mode control /
- upper bound /
- high precision simulator
-
[1] 赵 超,申功璋,文传源. 一类线性不确定大系统的分散变结构控制[J] 北京航空航天大学学报,2001,27(5):552~555 Zhao Chao,Shen Gongzhang,Weng Chuanyuan. Decentralized variable-structure control of a class of linear uncertain large-scale systems[J] ournal of Beijing University of Aeronautics and Astronautics. 2001, 27(5):552~555(in Chinese) [2] Man Zhihong, Palaniswami M. Robust tracking control for rigid robotic manipulators[J] IEEE Transactions on Automatic Control, 1994,39(1):154~159 [3] 刘英敏,吴沧浦. 一种使用RBF网络辨识不定性上界的滑模控制器[J] 制与决策,2001,16(4):507~509 Liu Yingmin, Wu Cangpu. A sliding mode controller with upper bound identifier using RBF network[J] ontrol and Decision, 2001, 16(4):507~509(in Chinese) [4] Man Zhihong, Wu H R, Eshraghian K, et al. An adaptive tracking controller using neural networks for nonlinear systems[J] IEEE International Conference on Neural Networks, 1995,1(1):314~319 [5] Man Zhinghong, Yu X H, Eshraghian K, et al. A robust adaptive sliding mode tracking control using an RBF neural network for robotic manipulators[J] IEEE International Conference on Neural Networks, 1995,5:2403~2408 [6] 邹云飞. 转台伺服系统变结构控制策略的应用研究. 北京:北京航空航天大学自动化科学与电气工程学院,2002 Zou Yunfei. Research and application of variable structure control tactics in flight simulator servo system. Beijing:School of Automation Science and Electrical Engineering, Beijing University of Aeronautics and Astronautics, 2002(in Chinese) 期刊类型引用(15)
1. 罗飞，王润峰. 基于YOLOv5水下目标检测算法研究与改进. 通信与信息技术. 2024(01): 34-40 . 
百度学术2. 陈宇梁，董绍江，孙世政，闫凯波. 改进YOLOv5s的弱光水下生物目标检测算法. 北京航空航天大学学报. 2024(02): 499-507 . 
本站查看3. 周玺兴，梁翔宇，胡佳宁，曾立华. 基于负压的浅海养殖海参捕捞系统设计与性能研究. 中国农机化学报. 2024(10): 94-99 . 百度学术4. 杨婷，高武奇，王鹏，李晓艳，吕志刚，邸若海. 自动色阶与双向特征融合的水下目标检测算法. 激光与光电子学进展. 2023(06): 132-143 . 百度学术5. 贾文娟，张孝薇，闫晨阳，李红志. 海洋牧场生态环境在线监测物联网技术研究. 海洋科学. 2022(01): 83-89 . 百度学术6. 范刚，张亚，赵河明，李波. 水下机器人定位导航技术发展现状与分析. 兵器装备工程学报. 2022(03): 22-29 . 百度学术7. 郝琨，王阔，王贝贝. 基于改进Mobilenet-YOLOv3的轻量级水下生物检测算法. 浙江大学学报(工学版). 2022(08): 1622-1632 . 百度学术8. 高天铭，闫敬，尤康林，张良，林景胜，罗小元. 水下智能识别与自主抓取机器人设计与实现. 控制理论与应用. 2022(11): 2074-2083 . 百度学术9. 王伟，李琰. 基于GIS的短时交通客流智能协调控制系统设计. 计算机测量与控制. 2021(01): 154-158 . 百度学术10. 王晓鸣，吴高升. 基于单目视觉的水下机器人相对位姿精确控制. 水下无人系统学报. 2021(03): 299-307 . 百度学术11. 高云，彭炜，周建慧. 机器人智能抓取未知目标位置深度识别仿真. 计算机仿真. 2021(08): 376-380 . 百度学术12. 石少炜，石少敏. 基于虚拟现实的机器人工作状态智能监测系统. 自动化与仪器仪表. 2021(12): 172-175+180 . 百度学术13. 魏哲，焦航. 纱筒搬运机器人的设计. 机械与电子. 2020(08): 76-80 . 百度学术14. 翟国栋，任聪，王帅，岳中文，潘涛，季如佳. 多尺度特征融合的煤矿救援机器人目标检测模型. 工矿自动化. 2020(11): 54-58 . 百度学术15. 于红. 水产动物目标探测与追踪技术及应用研究进展. 大连海洋大学学报. 2020(06): 793-804 . 百度学术其他类型引用(21)
-
百度学术
点击查看大图
计量
- 文章访问数: 3417
- HTML全文浏览量: 206
- PDF下载量: 908
- 被引次数: 36
下载:
