一类交流伺服系统RBF神经网络与PID复合控制策略研究

《一类交流伺服系统RBF神经网络与PID复合控制策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京理工大学硕士学位论文一类交流伺服系统RBF神经网络与PID复合控制策略研究姓名：牛姗姗申请学位级别：硕士专业：系统工程指导教师：陈庆伟;樊卫华20070710硕士论文摘要随着现代科技的发展，交流伺服技术的应用领域更为广泛，所发挥的作用越来越突出，对其性能指标的要求也越来越高。交流伺服系统是一个具有非线性、耦合性和时变性的复杂系统，常规的控制策略难以取得理想的控制效果，本文针对交流伺服系统高品质的控制要求以及其存在的摩擦非线性、系统参数变化、负载扰动等问题，研究了一种RBF神经网络与P]D控制相结合的复合控制策略。本文首先建立了包括摩擦非线性在内的交流伺服系统

2、动力学模型；在论证了继电反馈技术应用在交流伺服系统中可行性的基础上，采用一种利用系统的多点频率信息及根据系统特性来拟合理想闭环响应的继电反馈PID控制器设计方法；针对系统中存在的摩擦非线性以及不确定性，提出了一种RBF神经网络与PID复合控制策略，并证明了该复合控制策略下闭环系统的稳定性；对RBF网络的最近邻聚类学习算法进行了改进：基于改进的最近邻聚类法和梯度下降法的混合学习算法，设计了系统的RBF网络控制器。仿真结果表明，应用本文所设计的RBF神经网络与PID复合控制器能获得较高的动态和稳态性能，并对参数变化和负载扰动具有良好的鲁棒性，可很好地满足系统的高性能

3、指标要求。关键词：交流伺服系统；PlD控制；继电反馈技术；摩擦非线性；复合控制；RBF神经网络；稳定性ABSTRACT硕士论文Withthedevelopmentofmodernscience，ACSe秆l，Otechniquehasbeenwidelyused．ACservosystemisahighorder,nonlinear,couplingsystem．AsinglecontrolstrategycanhardlygetidealcontroleffecLThepeI-formanceofsystemishighlyinfluencedbythefri

4、ction，parametervariationsandextemalloaddisturbances．InordertOenhancestaticanddynamicr圮rformancesofthesystem,thisdissertationistostudyacombinedcontrolstrategy--PIDcontrolandRBFneuralnetworkcontr01．Inthisdissertation，thelinearmathematicalmodelandfrictionfionlinearmodelofACSelWOsystemar

5、epresented．Relayfeedback’Sresultsontheexistenceandstabilityofthelimitcyclesal'eestablishedbytheselVosystem’Stransformationfunction．Amethodbased0nrelayfeedbacktechniqueisprcsentedtOidentifymultiplepointsOntheprocessfrequencyresponse，thentOpatternidealclosedloopcharacteristicOfACSeI'VO

6、system．Toovercomethefrictionandvariationsinthesystem,aRBFneuralnetworkcontrollerisdesignedasaparallelcontroller,andthestabilityofsystemisdemonstrated．Meanwhile，ahybridlearningalgonthmforRBFnetworkbasedOnimprovednearestneighbor-clusteringalgorithmandgradientdescenttraining，isproposedt

7、OidentifysystemmodelanddesigntheRBFcontroller．·SimulationresultsshowthatACsel"vosystembasedonproposedmixedcomrolstrategyCallsadsfythesystem’sneedofspecdiness、stabilityandrobusmesspreferably．Keywords：ACsel_r0system；PIDconlxol；’relayfeedbacktechnique；friction；combinedcontrol；RBFneuraln

8、etwork；stabi