摘要
针对电动加载系统特有的多余力矩问题,设计并分析了基于RBF神经网络的直接逆模型控制策略,仿真结果表明,该控制策略能够有效地抑制多余力矩,提高了系统的加载精度及动态特性。同时,本文提出一种改进的RAN算法,离线构建,在线调整,充分利用已有先验知识的同时,实现了网络局部在线优化,有效的控制了运算量及网络规模,为控制算法的硬件实现提供了保证。
Aiming at the redundancy torque problem of Dynamic load simulator, an inverse model control strategy based on Radial Basis Function neural networks is introduced. An improved RAN algorithm is proposed too, which is generated offline and updated online to ease the hardware implementation of the control algorithm.
出处
《自动化技术与应用》
2006年第9期22-25,共4页
Techniques of Automation and Applications
关键词
电动加载
逆模型
RBF
Dynamic load simulator
inverse model
RBF
