- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
自适应控制的研究
自适应控制的应用研究 仰涛,研162班,2111602030 0 引言 经典的反馈控制可以用来精确地控制绝大部分运动状况,某些情况下加上前馈控制还可以达到减少输入扰动影响的目的。但是现实中很多控制对象有很大的不确定性、时变性、受外部扰动、非线性系统,用简单的反馈控制系统效果不理想。长期以来,这是自动控制领域所面对的一个极具挑战性的问题。为了克服这个问题,自适应控制被提出了。其基本思想是通过及时修正自己的特性以适应对象和扰动的动态特性变化,使得整个控制系统始终获得满意的性能。 自适应控制起初适用于航空航天领域,由于其理论方法不成熟,因此遭遇了一些失败,但是有人看到了它的应用价值,不断研究,终将其推广到其他工业部门;并且随着计算机技术的发展,自适应控制技术也取得了重大进展,在众多领域中得到成功应用,包括光学跟踪望远镜、化工、冶金、???加工和核电;此后,自适应控制应用的到大幅扩展,在医疗领域和航天领域都得到应用。本文介绍自适应控制原理,并且总结自适应控制在国内外的应用研究概况。 1 自适应控制概述 自适应控制概述主要从自适应控制的基本概念、解决的问题、发展及分类三个方面阐述。 自适应控制基本概念 自适应控制系统研究的对象是不确定性的系统,此系统的被控对象及其环境的数学模型不是完全确定的。学术界对自适应控制系统有不同的定义,大部分定义是和自适应控制系统类型相联系的。一下是两个比较流行的定义。 1962年Gibson[1]提出一个比较具体的自适应控制定义:一个自适应控制系统必须提供初被控对象当前状态的连续信息,也就是辨识对象;它必须将当前系统性能与期望的货最优的性能相比较,并作出使系统趋向期望或最优性能的决策;最后,它必须对控制器进行适当的修正,以驱使系统走向最优状态。这三方面的功能是自适应控制系统所必须具备的功能。 1974年法国学者Landau[2]也提出了一个针对模型参考自适应控制系统的自适应控制定义:一个自适应系统,将利用其中的可调系统的各种输入状态和输出来度量某个性能指标;将所测得的性能指标与规定的性能指标相比较;然后,由自适应机构来修正可调系统的参数货产生一个辅助的输入信号,以保持系统的性能指标接近于规定的指标。定义中提出的可调系统一般由被控对象和调节器组成,可以通过修改它的内部参数货输入信号来调整期性能。 综合以上定义可知,自适应控制系统应该有如下功能: (1)在线进行系统结构和参数的辨识或系统性能指标的度量,以得到系统当前状态的改变情况; (2)按一定的规律确定当前的控制策略; (3)在线修改控制器的参数货可调系统的输入信号。 图1为自适应控制系统原理图。 图1 自适应控制的基本原理 自适应控制系统的分类 前馈自适应控制 借助于过程扰动信号的测量 ADDIN EN.CITE EndNoteCiteAuthorSahin/AuthorYear2016/YearRecNum6/RecNumDisplayText[1]/DisplayTextrecordrec-number6/rec-numberforeign-keyskey app=EN db-id=p0ex2sfw8vfvaiex0x1vse9ozdp9dxfdsvdp6/key/foreign-keysref-type name=Journal Article17/ref-typecontributorsauthorsauthorSahin, S./author/authors/contributorstitlestitleLearning Feedback Linearization Using Artificial Neural Networks/titlesecondary-titleNeural Processing Letters/secondary-title/titlesperiodicalfull-titleNeural Processing Letters/full-title/periodicalpages625-637/pagesvolume44/volumenumber3/numberdatesyear2016/yearpub-datesdateDec/date/pub-dates/datesisbn1370-4621/isbnaccession-numWOS:000387362200003/accession-numurlsrelated-urlsurllt;Go to ISIgt;://WOS:000387362200003/url/related-urls/urlselectronic-resource-num10.1007/s11063-015-9484-8/electronic-resource-num/record/Cit
文档评论(0)