论文部分内容阅读
针对全系数自适应控制器参数人为调试带来的不便，提出一种基于对角回归神经网络的参数自整定方法，通过神经网络的自学习能力对全系数自适应控制器参数进行在线整定。同时，提出一种新的特征模型参数间接辨识方法．采用神经网络的权值和回归层输出组成的非线性函数构造对象的特征参量，更有效地对特征模型的时变参数进行自学习和调整。对闭环回路的仿真结果表明，基于神经网络辨识和整定的全系数自适应控制回路比传统的全系数自适应控制回路具有更强的自适应性和抗干扰能力，响应速度更快，系统鲁棒性更强。