1) NSTC
神经网络自校正控制
1.
For nonlinearity, strong-coupling and variable parameters of brushless DC motor ( BLDCM), neural network self-tuning control ( NSTC) is employed to control brushless DC motor applying the neural network s capability of approximating any nonlinear function to arbitrary accuracy.
针对无刷直流电机的非线性、强耦合、变参数等特点,利用多层神经网络对非线性函数的任意精度拟合性,提出了基于BP神经网络的无刷直流电机神经网络自校正控制。
2) neural network self-adjusting PID
神经网络自校正PID
3) neural networks correction algorithm
神经网络校正法
4) self-adaptive control/neural networks
自适应控制/神经网络
5) adaptive neural network PID control
自适应神经网络PID控制
补充资料：自校正控制器
分子式：
CAS号：
性质：对于过程模型结构已知，但其参数缓慢变化的过程，可采用先进行模型参数的实时在线估计，然后依据估计参数设计使性能指标为最优的控制规律，从而实现实时最优控制。随着生产过程的不断进行，将不断进行采样，参数在线估计和最优实时控制，直到控制系统达到或接近最优，这就是自校正控制过程。其中最常用的一种是将递推最小二乘在线辨识方法和最小方差控制器相结合而构成自校正调节器。但是，因为自校正调节器采用最小方差为目标函数，有时会造成控制作用u(k)变化过大，工业界难以接受。克拉克(Clark)提出一种广义最小方差，即包括输出y和控制作用u的方差作为目标函数，即以递推最小二乘在线辨识和广义最小方差控制器相结合的被称为自校正控制器。
CAS号：
性质：对于过程模型结构已知，但其参数缓慢变化的过程，可采用先进行模型参数的实时在线估计，然后依据估计参数设计使性能指标为最优的控制规律，从而实现实时最优控制。随着生产过程的不断进行，将不断进行采样，参数在线估计和最优实时控制，直到控制系统达到或接近最优，这就是自校正控制过程。其中最常用的一种是将递推最小二乘在线辨识方法和最小方差控制器相结合而构成自校正调节器。但是，因为自校正调节器采用最小方差为目标函数，有时会造成控制作用u(k)变化过大，工业界难以接受。克拉克(Clark)提出一种广义最小方差，即包括输出y和控制作用u的方差作为目标函数，即以递推最小二乘在线辨识和广义最小方差控制器相结合的被称为自校正控制器。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条