简介:在PD策略的计算力矩法基础上,讨论了系统参数不确定的空间机械臂系统的控制问题.针对空间机械臂载体的位置不受控制,姿态受控制的情况下,对系统动量守恒关系进行了分析,得到了空间机械臂的系统动力学方程.采用PD策略的计算力矩法,考虑协调参数的不确定性,得到了系统的闭环动态误差方程.在此基础上提出了一种基于RBF神经网络的补偿学习控制方法,设计了具有不确定性的自由漂浮空间机械臂关节空间的补偿控制方案.将基于神经网络的补偿学习控制与计算力矩法相结合,利用进化学习来消除系统参数不确定性而造成的轨迹跟踪不准确的问题,实现了对空间机械臂关节空间内的轨迹跟踪控制.数值仿真的结果验证了该方法的有效性.
简介:研究了如下形式的时滞型Hopfield神经网络u′I(t)=-biui(t)+n∑j=1aijfj(uj(t-τij))+Ji,I=1,2,…,n的全局吸引性和平衡点的全局指数稳定.通过构建合适的Lyapunov泛函和利用不等式pxyp-1≤xp+(p-1)yp,获得了几个新的判定条件,这些结论推广了已知文献中的结果.
简介:对利用人工神经网络方法来预测电站锅炉在未知的燃烧或运行工况下烟气中汞组分进行了可行性评估.基于已掌握的三个电站锅炉现场测试的汞排放数据库,建立了一个三层误差反向传播神经网络模型用以对烟囱处汞排放的组分进行预测.全部预测过程包括:数据的采集整理、构建人工神经网络模型、训练过程和误差评估4部分.总共选取了59个煤样、灰样以及电站运行工况参数作为输入变量,利用部分实际汞排放测试数据来指导训练过程,其余的实测数据用来校验网络预测模型的准确性.结果表明,模型获得的预测精度对单质汞元素的均方根误差为0·8μg/Nm3,对全汞的均方根误差为0·9μg/Nm3.这样的误差在当考虑到现场采用半连续释放测量(SCEM)方法,由湿法测试模块所产生的峰值误差时是完全可以接受的.