简介：伺服马达由于刺激输入电压，负担转矩和环境操作条件的效果拥有一个强烈非线性的性质。导出能够表示它的动力学和不变的特征的一个传统的数学模型因此是相当困难的。神经基于网络的适应控制策略在这篇论文被建议。在这个方法，二个神经网络分别地为系统鉴定(NNI)和控制(NNC)被采用了。然后，使用得通常学习专业化被修改了，由在重量期间作为伺服马达的近似产量拿NNI产量训练得到敏感信息。而且，选择学习的率的规则根据Lyapunov稳定性的分析被给。最后，在一台伺服马达上使用建议控制策略的一个例子被举显示出它的有效性。
简介：传统PID控制在控制系统中有广泛的应用,但是由于其在参数整定过程中对于对象模型过分依赖,并且参数一旦整定计算好后,在整个控制过程中都是固定不变的,而在实际系统中,由于系统状态和参数等发生变化时,过程中会出现状态和参数的不确定性,系统很难达到最佳的控制效果.为了改善传统PID控制的效果,又充分利用现有PID控制的研究成果,采用BP神经网络对PID参数进行整定,并对该系统进行了仿真分析.仿真结果表明,采用BP神经网络整定的PID控制较传统PID算法及BP网络算法都有较大程度的提高.
The adaptive control using BP neural networks for a nonlinear servo-motor
基于BP神经网络整定的PID控制
