-
公开(公告)号：CN107479382A
公开(公告)日：2017-12-15
申请号：CN201710789210.7
申请日：2017-09-05
Applicant: 西北工业大学 , 西北工业大学深圳研究院
IPC: G05B13/04
Abstract: 本发明公开了一种基于在线数据学习的高超声速飞行器神经网络控制方法，用于解决现有高超声速飞行器控制方法稳定性差的技术问题。技术方案是首先将高超声速飞行器纵向通道模型分解为速度子系统和高度子系统，再利用神经网络对高超声速飞行器系统存在的不确定性进行逼近，采用在线数据构造神经网络的预测建模误差进行神经网络权重更新，提升神经网络闭环控制过程的系统学习能力。由于针对两个子系统分别给出基于神经网络学习的控制器，实现了不确定高超声速飞行器动力学控制。由于将神经网络逼近不确定学习好坏表述为建模误差引入神经网络的复合更新，提升了神经网络的学习的准确性与快速性，进而提高了控制系统的自适应能力，且稳定性好。
-
Patent Agency Ranking
公开(公告)号：CN107479382B
公开(公告)日：2019-10-22
申请号：CN201710789210.7
申请日：2017-09-05
Applicant: 西北工业大学 , 西北工业大学深圳研究院
IPC: G05B13/04
Abstract: 本发明公开了一种基于在线数据学习的高超声速飞行器神经网络控制方法，用于解决现有高超声速飞行器控制方法稳定性差的技术问题。技术方案是首先将高超声速飞行器纵向通道模型分解为速度子系统和高度子系统，再利用神经网络对高超声速飞行器系统存在的不确定性进行逼近，采用在线数据构造神经网络的预测建模误差进行神经网络权重更新，提升神经网络闭环控制过程的系统学习能力。由于针对两个子系统分别给出基于神经网络学习的控制器，实现了不确定高超声速飞行器动力学控制。由于将神经网络逼近不确定学习好坏表述为建模误差引入神经网络的复合更新，提升了神经网络的学习的准确性与快速性，进而提高了控制系统的自适应能力，且稳定性好。
-
公开(公告)号：CN106773684A
公开(公告)日：2017-05-31
申请号：CN201611125098.9
申请日：2016-12-09
Applicant: 西北工业大学
IPC: G05B13/04
CPC classification number: G05B13/048
Abstract: 本发明公开了一种基于智能学习评价的柔性机械臂复合控制方法，用于解决现有柔性机械臂控制方法控制精度差的技术问题。技术方案是对已有的柔性机械臂模型进行线性化处理，控制器考虑系统的集总不确定性，引入神经网络逼近系统不确定项；进一步考虑建模误差，设计系统的预测模型，并将建模误差引入神经网络权重自适应更新律中，使得反馈信息更加全面，提高了控制精度，适用于工程需求。
-
-
-
公开(公告)号：CN106493735A
公开(公告)日：2017-03-15
申请号：CN201611125097.4
申请日：2016-12-09
Applicant: 西北工业大学
IPC: B25J9/16
CPC classification number: B25J9/1607 , B25J9/1635 , B25J9/1638
Abstract: 本发明公开了一种存在外界扰动的柔性机械臂扰动观测控制方法，用于解决现有柔性机械臂扰动控制方法控制精度差的技术问题。技术方案是对具有非最小相位特性的柔性机械臂动力学模型进行输出重定义，进一步得到输入输出子系统以及内动态子系统。针对内动态的镇定采用状态反馈控制；针对输入输出子系统中存在未知干扰采用非线性扰动观测方法设计控制器实现系统跟踪，提高了控制精度。
-
-
-
-
-
Search Results
6
records
(took 0.083 seconds)
