EulerLagrange系统的混合前馈反馈极速学习鲁棒自适应跟踪控制

EulerLagrange系统的混合前馈反馈极速学习鲁棒自适应跟踪控制.pdf
本文针对具有系统不确定性和未知外部扰动的Euler-Lagrange系统,提出了一种混合前馈-反馈极速学习鲁棒自适应H∞轨迹跟踪控制策略.通过设计前馈极速学习神经网络逼近器,实现了对系统不确定性的有效逼近;与传统反馈逼近相比,所提出的前馈极速逼近算法,只需要参考量作为逼近器输入,而非参考量和跟踪误差,从而降低了逼近器的输入维度,减少了隐含层节点数,从而极大精简了逼近器结构,降低了运算复杂度;此外,设计H∞鲁棒补偿项,以进一步有效消除未知扰动对控制精度的影响.仿真研究验证了所设计控制策略的有效性.
作者：王宁冯珂高颖
作者单位：大连海事大学轮机工程学院学校辽宁省大连市116026
母体文献：第十二届中国智能机器人大会论文集
会议名称：第十二届中国智能机器人大会  
会议时间：2017年10月1日
会议地点：哈尔滨
主办单位：中国人工智能学会
语种：chi
分类号：
关键词：Euler-Lagrange系统  轨迹跟踪  混合前馈-反馈控制  极速学习  H∞鲁棒控制
在线出版日期：2020年10月26日
基金项目：
相似文献
相关博文

2024-12-9 11:19 上传 EulerLagrange系统的混合前馈反馈极速学习鲁棒自适应跟踪控制.pdf

文件大小:

1.27 MB

下载次数:

60

高速下载