三维运动模式下的桥式吊车神经网络滑模控制OA北大核心CSTPCD

三维运动模式下的桥式吊车具有更高的生产效率,但其定位与防摆控制也更具挑战性.针对该问题,本文提出一种基于最小参数学习的神经网络滑模控制方法.首先,建立了包含机械摩擦力和空气阻力的全驱动动力学模型,解决了系统由于欠驱动特性导致控制器难以设计的问题;随后,设计了基于指数趋近律的滑模控制器,引入径向基函数(radial basis functions,RBF)神经网络的最小参数学习法对系统的不确定性模型进行逼近;并对控制器的稳定性进行了严格的数学证明.仿真与实验结果表明,本文所提控制方法在有/无外界干扰的情况下,都能实现吊车的精确定位与负载摆动的有效抑制.