自適應控制在隨動系統(tǒng)測試裝置中的應用與研究.pdf

1、關于人工神經網絡與自適應結合的研究，近年來已經成為智能控制學科的熱點之一。由于自適應控制具有很強的魯棒性，神經網絡則具有自學習功能和良好的容錯能力，研究如何把神經網絡與自適應控制結合起來，發(fā)揮各自的優(yōu)勢，對控制理論與應用研究具有重要的意義。 本文針對隨動加載與測試系統(tǒng)，主要對其中的阻力矩加載系統(tǒng)建模與控制等方面進行研究。本文首先闡述了神經網絡的基本問題和理論，詳細研究了典型的前向神經網絡（BP網絡）的學習和訓練算法，針對BP網絡

2、訓練算法速度較慢且易于陷入局部極小點的不足，提出LM-BP算法。 接著本文研究了神經網絡的模型辨識問題，分析了神經網絡辨識的基本結構，討論了BP網絡辨識問題。并采集了一組磁粉制動器恒速下的實驗數(shù)據(jù)，進行了基于神經網絡的非線性系統(tǒng)離線的正模型辨識，并分析了辨識結果。 最后，本文采用神經網絡與自適應相結合的方法構造了基于辨識模型的智能控制器。接著結合阻力矩加載系統(tǒng)的控制研究了神經網絡間接自校正控制器算法，并進行了仿真研究。經