基于神经网络的迟滞非线性补偿控制
提出了一种基于神经网络的迟滞非线性的补偿方法。首先构造一个Duhem逆算子来描述迟滞逆状态。然后利用神经网络来逼近此状态和输出之间的关系来得到神经网络迟滞逆模型，神经网络权值采用反馈误差学习方法来进行在线调整。系统的前馈控制器和反馈控制器分别为逆模型和PID控制器。该方法不需要建立迟滞的正模型，能够在线构造逆模型来实现迟滞补偿。最后通过仿真验证了该方法的有效性。
迟滞 神经网络 反馈误差学习控制 补偿控制
赵新龙 董建萍
浙江理工大学 自动化研究所,浙江 杭州 310018 上海师范大学 信息与机电工程学院,上海 200234
国内会议
杭州
中文
475-477
2010-08-07（万方平台首次上网日期，不代表论文的发表时间）