基于在线学习的机载光电系统扩张状态观测器参数整定研究

基于在线学习的机载光电系统扩张状态观测器参数整定研究

论文摘要

针对非线性动态系统的扩张状态观测器(ESO)参数整定问题,建立了基于BP神经网络的参数整定模型。采用在线梯度下降法进行网络训练以保证对动态系统的学习能力,并引入了IDBD算法,利用输入数据的信息和学习过程中的经验实现学习速率的自适应调整,以改进在线梯度下降法的适应性。数字仿真表明,该参数整定模型较传统的参数整定模型具有动态性能好、精度高等优点,能够提高非线性系统扩张状态观测器参数的动态整定精度,进而在一定程度上改善自抗扰控制器的系统控制性能。

论文目录

  • 0 引言
  • 1 自抗扰ESO模型分析
  • 2 基于BP神经网络的ESO参数整定
  •   2.1 参数整定模型建模
  •   2.2 网络结构确定
  •   2.3 训练学习方法选择
  •   2.4 算法稳定性分析
  • 3 仿真分析
  • 4 结束语
  • 文章来源

    类型: 期刊论文

    作者: 周德召,刘晓东,李佳庆,王合龙

    关键词: 机载光电系统,前向神经网络,在线学习,自抗扰控制,扩张状态观测器

    来源: 电光与控制 2019年08期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 航空航天科学与工程,自动化技术

    单位: 中国航空工业集团公司洛阳电光设备研究所,空军装备部,北京理工大学,光电控制技术重点实验室

    分类号: TP13;V24

    页码: 43-47

    总页数: 5

    文件大小: 1069K

    下载量: 118

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于在线学习的机载光电系统扩张状态观测器参数整定研究
    下载Doc文档

    猜你喜欢