rbfslingmodecrane

针对固有参数不确定和部分未知参数的桥式起重机系统在起重作业过程中的负载摆动和小车跟踪定位问题，提出了一种基于RBF神经网络的动态滑模鲁棒控制算法。闭环误差的李雅普诺夫稳定性通过控制算法在理论上得到了验证。控制算法以滑模控制思想为结构框架。滑模面设计考虑了控制输出变化的影响，通过设置模糊规则使滑模切换项自适应，并进一步推导了RBF神经网络的自适应规律，以适应桥式起重机系统中复杂和未知的动态部件， 渲染桥式起重机系统的运行，无需任何系统参数作为信号输入。为了证明该策略影响下更高的控制精度，与文献中提出的分层滑模控制方法进行了比较[27]，结果表明，基于上述算法设计的控制器输出功率更加稳定，且不存在长期高频抖动， 虽然其对负载的抗摆动控制效果也比任何其他控制器具有更好的鲁棒性能。指出当系统参数发生一定程度的变化时，也非常重要。同时基于该控制系统的小车也可以在零过冲下实现稳定的跟踪和定位。