基于RBF神经网络的气动人工肌肉PID位置控制

简介

搭建了气动人工肌肉静态测试平台,在0.1~0.8 MPa气压下进行多次测量试验,对气动人工肌肉进行特性分析,根据理论模型和测试数据建立了数学模型,模型求解精度较好。考虑外负载、气源气压和系统摩擦等因素对数学模型的影响,结合RBF网络的快速学习能力设计了一种基于RBF网络的PID控制策略。在外负载50~200 N的条件下,搭建了气动人工肌肉动态测试平台并进行了多组位置控制试验。结果表明,传统PID控制只能在一定的外负载范围内实现较好的位置控制,基于RBF网络的PID控制能自适应调整PID参数,且响应速度快,调节时间短,超调量小,能更好地补偿其数学模型误差并实现精确的位置控制。