基于RBF神经网络滑模控制的砝码自动加载研究

详细信息    查看全文 | 推荐本文 |

英文篇名：Research on automatic loading of weight based on RBF neural network sliding mode control 作者：黄现云 ; 董晨光 ; 朱浩 ; 蒋曦初 ; 李家沛 英文作者：HUANG Xian-yun; 关键词：电子吊秤 ; 自动检测 ; RBF神经网络 ; 滑模控制 英文关键词：electronic crane scale;;automatic detection;;RBF neural network;;sliding mode control 中文刊名：HEQI 英文刊名：Weighing Instrument 机构：苏州计量测试院; 出版日期：2019-04-15 出版单位：衡器 年：2019 期：v.48 语种：中文; 页：HEQI201904009 页数：6 CN：04 ISSN：21-1182/TB 分类号：22-27

摘要

针对电子吊秤自动检测装置的砝码自动加载控制过程中存在控制精度不够高、效率有待提高、存在抖振等问题,将RBF神经网络补偿的滑模控制方法创新性的应用于砝码自动检测装置的控制上,以实现砝码自动、高效、准确、平稳的加载的效果。仿真结果显示:此控制方法能够快速平稳准确的达到要求的同时较大的削弱了系统产生的抖振。
        In the process of automatic loading control of electronic crane scale automatic detection device, there are problems such as insufficient control precision, efficiency to be improved, and chattering. The control method of RBF neural network compensation is innovative applied to the automatic detection of weight. Control of the device to achieve automatic, efficient, accurate and smooth loading of the weight. The simulation results show that this control method can achieve the requirements quickly and accurately and at the same time greatly weaken the chattering generated by the system.

引文

[1]沈立人,罗建敏,安爱民.对非自动衡器进行测量不确定度评定技术问题的探讨[J].衡器, 2016, 45(6):18-21.
    [2]柳迪.消除手术机器人人手抖动问题的研究[D].天津大学, 2009.
    [3]潘兆东,谭平,刘良坤,等.基于自适应R BF神经网络算法的建筑结构递阶分散控制研究[J].土木工程学报,2018(1):51-57.
    [4]彭志文,高宏力,梁超,等. R BF神经网络补偿的并联机器人控制研究[J].机械设计与制造, 2018(3).
    [5]毛润,高宏力,宋兴国.基于模糊补偿的R BF神经网络机械手控制[J].西南交通大学学报, 2018(3).
    [6]马天兵,罗智,杜菲.基于改进幂次趋近律的壁板振动主动滑模控制[J].科学技术与工程, 2018(9).
    [7]邹思凡,吴国庆,茅靖峰.改进非线性干扰观测器的机械臂自适应反演滑模控制[J].计算机应用, 2018.