本项目研究神经网络的理论和算法,探索适用于控制液压伺服系统和其它机电系统的神经网络.研究了小脑模型,径向基函数,神经模糊混合网络,高阶神经网络,高阶小脑模型,模糊扩展高阶神经网络,基于高阶神经网络非线性直接自学习控制器,神经网络补偿变结构控制器,神经网络一步超前预测控制器和神经网络H跟踪器等,进行了收敛性,稳定性和鲁棒性等方面的理论探讨,研究了提高快速性的算法.研究神经控制和常规控制或鲁棒控制的结合,形成多处新型高智能控制系统,针对这些控制器应用于液压伺服系统和机器人,进行了大量信真和实验研究,实现了实时控制.研究成果可以应用于电液伺服系统,并为更深入的智能控制研究打下良好的基础
{{i.achievement_title}}
数据更新时间:2023-05-31
基于被动变阻尼装置高层结构风振控制效果对比分析
结直肠癌免疫治疗的多模态影像及分子影像评估
智能煤矿建设路线与工程实践
新产品脱销等待时间对顾客抱怨行为的影响:基于有调节的双中介模型
机电控制无级变速器执行机构动态响应特性仿真研究
新型直接驱动式液压伺服泵的基础研究
广义脉码调制液压伺服控制的理论和应用研究
非线性多变量液压伺服系统自适应控制
无油泵交流伺服直驱新型液压机的传动理论研究