文献

J-GLOBAL ID：201802248099794503   整理番号：18A2121608

関数連鎖動径基底関数ニューラルネットワークに基づくPMLSM適応バックステッピング制御【JST・京大機械翻訳】

Adaptive Backstepping Control Based on Functional Link Radial Basis Function Neural Network for PMLSM

著者 (2件)： Wu Yongkang (沈陽工業大学電气工程学院 沈陽 110870) ,  Zhao Ximei (沈陽工業大学電气工程学院 沈陽 110870)
資料名： Diangong Jishu Xuebao  (Diangong Jishu Xuebao)
巻： 33  号： 17  ページ： 4044-4051  発行年： 2018年 
JST資料番号： C2502A  ISSN： 1000-6753  CODEN： DIJXE5  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 永久磁石リニア同期モータ(PMLSM)のサーボ系の制御性能を改善するために,パラメータ変化,外部擾乱,摩擦力などの不確実性要因がシステムに及ぼす影響の問題を解決した。関数連鎖動径基底関数ニューラルネットワーク(FLRBFNN)に基づく適応バックステッピング制御(ABC)法を提案した。最初に,不確実性要素を含むPMLSMの動的モデルを確立し,次に,ABCの適応法則を用いて,システム不確実性を推定し,そして,設計ABCのとき,微分爆発現象を発生させるために,大量の誘導演算が存在した。そこで,この問題を解決するために,FLRBFNNを用いて,RBFNNとFLNNをオンラインで学習し,制御パラメータを調整し,FLNNによりニューラルネットワークの探索空間を増大させた。収束速度と収束精度の改善により,RBFNN推定システムの不確実性の能力を改善し,不確実性因子の効果を効果的に低減できるであろうと結論づけた。実験結果は,この方法が実現可能であり,ABCと比較して,強いロバスト性と追跡性能を有することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： サーボ系 ,  微分 ,  演算 ,  摩擦力 ,  ロバスト性 ,  ダイナミックモデル ,  *ニューラルネットワーク ,  不確実性
準シソーラス用語： 収束速度 ,  制御パラメータ ,  オンライン ,  外部擾乱 ,  永久磁石リニア同期モータ ,  *適応バックステッピング ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 電動機  (NB07030U)

タイトルに関連する用語 (5件)： 関数 ,  連鎖 ,  動径基底関数ニューラルネットワーク ,  適応 ,  バックステッピング制御