自適應控制在隨動系統(tǒng)測試裝置中的應用與研究.pdf

1、關于人工神經(jīng)網(wǎng)絡與自適應結(jié)合的研究，近年來已經(jīng)成為智能控制學科的熱點之一。由于自適應控制具有很強的魯棒性，神經(jīng)網(wǎng)絡則具有自學習功能和良好的容錯能力，研究如何把神經(jīng)網(wǎng)絡與自適應控制結(jié)合起來，發(fā)揮各自的優(yōu)勢，對控制理論與應用研究具有重要的意義。 本文針對隨動加載與測試系統(tǒng)，主要對其中的阻力矩加載系統(tǒng)建模與控制等方面進行研究。本文首先闡述了神經(jīng)網(wǎng)絡的基本問題和理論，詳細研究了典型的前向神經(jīng)網(wǎng)絡（BP網(wǎng)絡）的學習和訓練算法，針對BP網(wǎng)絡

2、訓練算法速度較慢且易于陷入局部極小點的不足，提出LM-BP算法。 接著本文研究了神經(jīng)網(wǎng)絡的模型辨識問題，分析了神經(jīng)網(wǎng)絡辨識的基本結(jié)構(gòu)，討論了BP網(wǎng)絡辨識問題。并采集了一組磁粉制動器恒速下的實驗數(shù)據(jù)，進行了基于神經(jīng)網(wǎng)絡的非線性系統(tǒng)離線的正模型辨識，并分析了辨識結(jié)果。 最后，本文采用神經(jīng)網(wǎng)絡與自適應相結(jié)合的方法構(gòu)造了基于辨識模型的智能控制器。接著結(jié)合阻力矩加載系統(tǒng)的控制研究了神經(jīng)網(wǎng)絡間接自校正控制器算法，并進行了仿真研究。經(jīng)