三維氣動式微重力環(huán)境模擬平臺的智能控制系統(tǒng)研究.pdf

1、科孽艘求大謄Cl㈨ELoGY0FC^博士學(xué)位論文論文題目作者姓名學(xué)科專業(yè)導(dǎo)師姓名完成時間固檢測技術(shù)及自動化裝置目一中～摘要相應(yīng)適當(dāng)?shù)男盘柼幚矸桨?，并針對傳統(tǒng)Butterworth低通濾波器在響應(yīng)速度、檢波精度、穩(wěn)定性三者之間的矛盾，重新設(shè)置Butterworth濾波器的主導(dǎo)極點。實驗結(jié)果表明，本論文的改進方案可有效平衡傳統(tǒng)Butterworth濾波器三大主要性能之間的矛盾，可以提取壓力傳感器的有效信號。3針對徑向基神經(jīng)網(wǎng)絡(luò)隱層函數(shù)的參數(shù)

2、設(shè)置難題，論文提出了一種基于密度法的RPCCL聚類算法，基于密度法的RPCCL聚類算法可自動、準(zhǔn)確、快速地提取輸入樣本的特征點，即確定輸入樣本的聚類數(shù)。本論文還成功將其應(yīng)用于確定徑向基神經(jīng)網(wǎng)絡(luò)的隱含層結(jié)構(gòu)中。4針對強非線性系統(tǒng)，論文提出了一種基于共軛梯度下降法的混合PSO算法。該混合PSO算法具有很強的搜索能力，并且能夠快速、準(zhǔn)確定位全局最優(yōu)點。與標(biāo)準(zhǔn)PSO算法相比，該算法的收斂速度和學(xué)習(xí)精度可大大提高。論文還將PSO混合算法成功用于優(yōu)

3、化徑向基神經(jīng)網(wǎng)絡(luò)權(quán)值中。5論文提出了一種用于徑向基神經(jīng)網(wǎng)絡(luò)的在線序列學(xué)習(xí)算法，即基于極限學(xué)習(xí)機的在線序列算法。本文的在線序列學(xué)習(xí)算法既可以學(xué)習(xí)一個接一個的訓(xùn)練樣本，也可以學(xué)習(xí)一塊接一塊的訓(xùn)練樣本。與其它在線序列算法相比，本論文的在線序列算法的學(xué)習(xí)速度和學(xué)習(xí)精度可大大提高。6為了提高徑向基神經(jīng)網(wǎng)絡(luò)的泛化性，本論文提出了一種基于局部泛化誤差的主動學(xué)習(xí)算法。該算法采用主動學(xué)習(xí)方式來選取網(wǎng)絡(luò)的下一個訓(xùn)練樣本，充分利用了系統(tǒng)的已有知識，可以更有效

4、地選擇特征訓(xùn)練樣本點，減少了網(wǎng)絡(luò)的訓(xùn)練樣本量，大大提高了網(wǎng)絡(luò)的泛化性能。7針對三維微重力環(huán)境地面模擬系統(tǒng)是強非線性系統(tǒng)，提出了基于徑向基神經(jīng)網(wǎng)絡(luò)的控制方案。對于主動式微重力模擬系統(tǒng)，采用徑向基神經(jīng)網(wǎng)絡(luò)來逼近和補償系統(tǒng)的不確定信息，將它作為前饋補償使跟蹤誤差快速收斂，并采用滑模變結(jié)構(gòu)控制來消除徑向基神經(jīng)網(wǎng)絡(luò)的逼近誤差及系統(tǒng)不定隨機干擾的影響。實驗研究結(jié)果表明，這個控制方案是有效的。系統(tǒng)具有較好的動態(tài)響應(yīng)能力、魯棒性和自適應(yīng)能力；對于半主動