基于RBF网络的不确定性X-Y数控平台自适应力控制研究  

Force Control Based on RBF Neural Network for X-Y NC Table With Uncertainty

作　　者：温淑焕[1] 强艳辉[1] 

机构地区：[1]燕山大学西校区电院工业计算机控制工程河北省重点实验室,河北秦皇岛066004

出　　处：《制造技术与机床》2009年第4期58-62,共5页Manufacturing Technology & Machine Tool

基　　金：河北省科技攻关项目(07213526);河北省自然科学基金(F200400260);燕山大学博士基金(B168)

摘　　要：提出了一种基于RBF网络在线学习自适应力控制策略,将RBF网络用于X-Y定位平台的力控制回路中,利用RBF网络在线学习力控制中的不确定上界,并与反馈控制器结合,进一步确保了控制系统的稳定性,有效地提高了系统的精度和自适应能力。针对提出的控制策略,在改造后的GXY2020VP平台上进行实验验证,结果表明了该控制方法在X-Y平台力控制中的有效性。In this paper, a kind of self-adaptive force controller based on RBF neural network is presented for constrained X-Y positioning table. In force control, the RBF neural network is applied to learning the upper bound of system uncertainties and combing it with feedback controller, the stability or robustness of the system is ensured, and the precision and adaptability are improved effectively. The control strategy proposed is applied in the force control for reformed GXY3030VP. The results of experiment demonstrate the effectiveness of the proposed controllers for X-Y position table＇s force control.

关 键 词：X—Y平台 力控制 RBF神经网络 鲁棒自适应 

分 类 号：TP242.2[自动化与计算机技术—检测技术与自动化装置] TP18[自动化与计算机技术—控制科学与工程]