论文摘要：鉴于CMAC的高本能仿真塔台遏制本领接洽

本舆论接洽鉴于小脑模子（CMAC）神经搜集的高本能仿真塔台的自符合遏制本领。开始领会了塔台伺服体例中生存的不决定成分，接洽了鉴于体例频次个性获得好像数学模子的本领，并把不决定性成分归纳为一个不决定项。而后，深刻接洽了CMAC神经搜集的构造、处事道理。引入了输出量化归一化本领，安排了观念映照地方映照因变量，简化了CMAC搜集参数的采用准则，减小了保守CMAC算法物理地方空间，制止了杂散源代码带来的映照辩论局面。在此普通上，深刻接洽了神经搜集模子参考自符合遏制本领，安排了三种鉴于神经搜集的自符合遏制计划。在塔台体例速率环介入鉴于CMAC的自符合积累遏制器，神经搜集遏制器的输入对消了体例模子的不决定项，将体例东西好像为一阶线性步骤。速率环本能的普及为场所环运用百般进步的遏制算法打下了普通。仿真截止证领会这种遏制计划对普及塔台体例本能的灵验性。将鉴于CMAC的模子参考自符合遏制计划运用于两自在度平台体例，实足满意体例本能目标诉求。试验表白，本课题安排的遏制计划构造大略，调节和测试简单，具备较高的静态场所精度和杰出的动静盯梢本领，灵验拓宽了体例频带。为将鉴于CMAC的模子参考自符合遏制计划在塔台等伺服体例中运用打下了杰出的普通。