基于连续回转电液伺服马达模糊RBF神经网络控制研究

简介

针对仿真转台用连续回转电液伺服马达,由系统的非线性和摩擦、泄漏等外界因素导致的不确定性,严重影响了连续回转电液伺服马达的控制精度,提出了一种模糊RBF神经网络控制策略。将RBF神经网络的学习能力引入模糊机制中,利用神经网络高效的非线性拟合能力以及基于专家经验的模糊规则,以避免RBF神经网络的权值更新陷入最优解,同时选择遗传算法优化模糊RBF神经网络的中心宽度、阈值和权值的初始值,以提高控制算法的收敛速度以及收敛精度;最后通过仿真对比说明,该控制算法较PID更能有效提高系统的低速稳定性,拓展系统的频响,实现伺服系统的精确控制。