导读:本文包含了动态神经网络逆控制论文开题报告文献综述及选题提纲参考文献，主要关键词:土压平衡盾构,土压控制,动态神经网络,逆控制
动态神经网络逆控制论文文献综述
邹今检[1]（2019）在《盾构土压平衡动态神经网络逆控制技术研究》一文中研究指出盾构密封舱的土压平衡作为地表沉降控制的关键因素对盾构安全施工具有重要保障。为映射影响土压平衡掘进参数之间的非线性耦合关系,增强非线性控制模型的动态性能,提高土压平衡的控制精度,根据盾构施工中影响密封舱内土压平衡的掘进参数调控的难易程度,依托现场监测数据建立基于动态神经网络逆控制前馈作用下的螺旋输送机转速控制模型。对控制模型的性能与效果进行分析验证,结果表明:动态神经网络输出的前馈螺旋输送机转速能够对推进速度、刀盘转矩的变化响应灵敏;在给定掘进条件下与通过人工调节螺旋输送机转速控制土舱压力的方法相比,动态神经网络逆控制前馈作用下密封舱土压的最大波动误差由9.8%降为5.3%。(本文来源于《隧道建设(中英文)》期刊2019年07期）
刘嫚玉,段振云[2]（2019）在《神经网络模糊控制算法在视觉AGV动态避障中的应用》一文中研究指出为提高AGV对动态障碍物的避障能力,通过分析影响AGV避障的主要因素,分析模糊控制算法在AGV中的设计原理,建立AGV模糊避障系统的结构,同时建立神经网络模糊控制器对AGV模糊控制器得来的避障数据组进行一定次数的训练,最终使该算法起到避障动作行为决策的作用。(本文来源于《机械研究与应用》期刊2019年03期）
马星驰[3]（2019）在《移动机器人RBF神经网络动态轨迹跟踪控制研究》一文中研究指出由于灵活性、通用性和环境自适应能力突出等优点,集成了机械、计算机以及自动控制等学科精华的轮式移动机器人已成为机器人研究领域的中心之一,代表了机电一体化的最高成就。其中,轨迹跟踪控制是轮式移动机器人的控制研究中最为重要的技术环节,而控制精度仍有待提高。本文首先针对轮式移动机器人轨迹跟踪控制的问题,建立了典型的轮式移动机器人数学模型。然后在运动学的基础上,提出一种基于Backstepping算法的运动学控制器,利用径向基神经网络对控制器中的控制增益进行自整定,增强算法的适应能力。将控制器与神经滑模动力学控制相结合,通过自适应径向基神经网络,对动力学跟踪误差中非线性函数参数的不确定性进行估值逼近,得到轨迹跟踪控制率。通过在多种不确定性情形中,与只基于滑模控制的跟踪算法进行跟踪效果对比,实验证明本文方法能够有效消除机器人的轨迹跟踪误差,具有更好的运动品质。最后,本文采用模块化编程,在VS2012环境下,利用MFC应用程序框架完成上位机控制程序的开发,在TwinCAT3中的PLC模块完成下位机控制程序的开发。整个实验运行过程通过视觉摄像头来捕捉轮式移动机器人的实际运行速度,然后通过补偿速度差实现轮式移动机器人的跟踪控制,通过实验验证算法的有效性。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
姚月琴,王影星,张磊[4]（2019）在《刚性机械臂系统的抗饱和神经网络动态面控制》一文中研究指出针对机械臂系统轨迹跟踪控制中存在外界干扰及控制输入受限问题,提出一种抗饱和神经网络动态面控制方法。其中模型中不确定项和外界干扰由径向基函数神经网络补偿,控制输入受限部分由辅助的抗饱和函数解决,完整的系统控制律由动态面控制方法获得。该控制算法解决了反步法中可能存在的"微分爆炸"现象,避免了滑模控制中存在的"抖振"现象以及自适应控制的鲁棒性受限现象。最后,设计相应的Lyapunov函数证明整个闭环系统的半全局渐进稳定性,仿真结果证实了所设计控制算法的有效性。(本文来源于《机床与液压》期刊2019年03期）
黄小琴,陈力[5]（2019）在《基座弹性的双柔杆空间机器人的神经网络动态面控制》一文中研究指出针对基座弹性的双柔杆漂浮基空间机器人系统存在外部干扰时的轨迹跟踪及柔性抑振问题,推导了系统的动力学模型,应用奇异摄动理论,将系统分解为表示刚性运动的慢变子系统和表示基座弹性、双柔杆振动的快变子系统。对于慢变子系统,设计了一种基于动态面的神经网络控制器,通过动态面的应用避免反步法带来的计算膨胀问题;通过RBF神经网络逼近了含有外部干扰在内的动力学不确定项;针对快变子系统,采用线性二次型最优控制同时抑制弹性基座与双柔杆的振动。数值仿真验证了控制方法的有效性。(本文来源于《载人航天》期刊2019年01期）
顾义坤,刘宏[6]（2018）在《柔性关节机械臂自适应神经网络动态面控制》一文中研究指出针对柔性关节机械臂动力学模型具有非线性、不确定性和未知的外界扰动等问题,提出了基于自回归小波神经网络的自适应动态面控制方法.采用对于非线性系统具有良好学习和快速收敛能力的自回归小波神经网络,在线观测和补偿动力学模型的不确定项.并应用动态面方法设计控制器实现了关节轨迹跟踪控制.仿真和实验结果显示:当存在模型参数不准确及未建模的外部扰动力矩时,控制算法表现出良好的自适应能力,与传统动态面法和PD(比例微分)控制相比较,显着提高了柔性关节的位置跟踪精度.(本文来源于《华中科技大学学报(自然科学版)》期刊2018年09期）
唐博,陈倩,范正鑫[7]（2018）在《基于PSO-ENN动态神经网络的无刷直流电机控制》一文中研究指出无刷直流电机转子位置检测属于电机控制中的一项关键技术,针对无位置传感器的无刷直流电机,其线反电动势过零点即为电机的实际换向点,传统采用的BP神经网络算法建立线反电动势与换向信号之间的模型存在响应速度慢、开关误导通现象。因此,采用Elman动态神经网络建立两者之间的函数模型,可提高控制系统的动态特性,并采用粒子群算法优化Elman网络的初始权值与阈值,进一步提高网络的收敛速度与计算精度。仿真结果表明,与传统的BP网络控制算法相比,新算法能更好地实现电机的精确换向,系统动态性能更好、控制精度更高、鲁棒性更强。(本文来源于《2018年军工装备技术专刊论文集》期刊2018-09-18）
沈智鹏,张晓玲,张宁,郭戈[8]（2018）在《基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制》一文中研究指出针对叁自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.(本文来源于《控制理论与应用》期刊2018年08期）
孟祥瑞[9]（2018）在《基于神经网络补偿动态逆的飞翼布局无人机姿态控制方法》一文中研究指出将动态逆控制技术应用于飞翼式布局无人机的姿态控制回路,以适应飞翼布局无人机控制系统要求。介绍了动态逆控制器解耦控制原理,以及神经网络补偿结构的作用和设计方法,并基于无人机非线性姿态运动学和动力学模型设计了基于神经网络补偿的动态逆控制器。在强耦合、强非线性的飞翼布局无人机模型上,通过数学仿真验证了系统具有良好的动态性能和稳态特性,控制器具有很强的鲁棒性。(本文来源于《导航定位与授时》期刊2018年04期）
唐晓博[10]（2018）在《一类滞环非线性时滞系统的神经网络动态面控制方法》一文中研究指出滞环特性作为一种非线性特性广泛存在于微机械精密加工、机电伺服等系统中,严重影响着系统的性能;与滞环现象类似,时滞现象也严重影响着系统的准确性.本文针对状态变量全部可测的一类滞环非线性时滞系统,提出了基于RBF神经网络逼近的动态面的控制方法,大大简化了控制器的设计过程;通过RBF神经网络估计未知时滞函数,可以在时滞函数完全未知的情况下设计控制器;稳定性分析表明,控制方案可以保证闭环系统稳定并且通过参数的选取,可以使跟踪误差任意小;最后,通过仿真证明了方法的有效性.(本文来源于《东北电力大学学报》期刊2018年03期）
动态神经网络逆控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高AGV对动态障碍物的避障能力,通过分析影响AGV避障的主要因素,分析模糊控制算法在AGV中的设计原理,建立AGV模糊避障系统的结构,同时建立神经网络模糊控制器对AGV模糊控制器得来的避障数据组进行一定次数的训练,最终使该算法起到避障动作行为决策的作用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态神经网络逆控制论文参考文献
[1].邹今检.盾构土压平衡动态神经网络逆控制技术研究[J].隧道建设(中英文).2019
[2].刘嫚玉,段振云.神经网络模糊控制算法在视觉AGV动态避障中的应用[J].机械研究与应用.2019
[3].马星驰.移动机器人RBF神经网络动态轨迹跟踪控制研究[D].哈尔滨理工大学.2019
[4].姚月琴,王影星,张磊.刚性机械臂系统的抗饱和神经网络动态面控制[J].机床与液压.2019
[5].黄小琴,陈力.基座弹性的双柔杆空间机器人的神经网络动态面控制[J].载人航天.2019
[6].顾义坤,刘宏.柔性关节机械臂自适应神经网络动态面控制[J].华中科技大学学报(自然科学版).2018
[7].唐博,陈倩,范正鑫.基于PSO-ENN动态神经网络的无刷直流电机控制[C].2018年军工装备技术专刊论文集.2018
[8].沈智鹏,张晓玲,张宁,郭戈.基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制[J].控制理论与应用.2018
[9].孟祥瑞.基于神经网络补偿动态逆的飞翼布局无人机姿态控制方法[J].导航定位与授时.2018
[10].唐晓博.一类滞环非线性时滞系统的神经网络动态面控制方法[J].东北电力大学学报.2018