非线性量化小脑模型关节控制器神经网络控制器

• 作者: 李鑫 段泽民 邱亚 陈薇
• 来源期刊: 控制理论与应用
• 关键词: 小脑模型神经网络 非线性量化 分段量化 神经网络控制器 神经网络 学习算法
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 1631-1643
• 页数: 13页
• 语种: 中文
• DOI: 10.7641/CTA.2019.80495

摘要

常规小脑模型关节控制器(CMAC)神经网络采用线性均匀量化,稳态控制精度与量化级数相关,增加量化级数可提高稳态精度但会导致内存空间和计算量的增加.本文提出一种可采用幂函数、高斯、分段3种非线性量化方法的非线性量CMAC神经网络,并分析了非线性量化CMAC的收敛性,解释了非线性量化提高稳态精度的本质.面向一阶惯性环节、二阶系统、一阶时变系统及二阶时变系统,分别跟踪方波、斜坡、正弦波、三角波和加速度等输入信号,仿真验证了非线性量化CMAC神经网络控制器的有效性,给出了不同非线性量化方法的适用性.结果表明,非线性量化CMAC参数容易设定,物理意义清晰,与常规CMAC对比,其快速性和控制精度显著提高,可以有效解决实际复杂非线性时变系统的控制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鑫	合肥工业大学电气与自动化工程学院	66	265	8.0	12.0
2	陈薇	合肥工业大学电气与自动化工程学院	37	110	6.0	8.0
3	段泽民	合肥工业大学电气与自动化工程学院	19	12	1.0	3.0
4	邱亚	合肥工业大学电气与自动化工程学院	10	26	3.0	5.0