下载文档原格式
基于RBF神经网络的半主动悬架滑模控制半主动悬架滑模控制是一种有效的方式来改善汽车悬架系统的性能。
而基于RBF神经网络的悬架滑模控制是一种新型的控制方法。
本文将会探讨基于RBF神经网络的半主动悬架滑模控制方法。
首先，什么是半主动悬架滑模控制呢？在汽车悬架系统中，常见的控制方法有主动悬架和被动悬架。
主动悬架是指通过操纵悬架系统的空气压力和电调压力等主动控制车身姿态，从而实现舒适性和稳定性的平衡。
而被动悬架则是指悬架系统靠弹簧和减震器等的被动阻尼来减少车身的颠簸。
半主动悬架则是介于主动悬架和被动悬架之间的一种控制方式，即通过电子液压系统控制减震器的硬度来实现悬架的主动控制。
而悬架滑模控制则是一种利用滑动模态控制悬架系统的控制方法。
它通过引入一个扰动项来使系统进入滑动模式，从而让整个系统在滑动轨迹上运动。
通过控制滑动模式的变量，实现对系统状态和输出的控制。
基于RBF神经网络的半主动悬架滑模控制则是一种集成了神经网络技术和滑模控制的控制方法。
RBF神经网络是一种基于径向基函数的神经网络，它能够对非线性的系统进行建模和控制。
通过将RBF神经网络与滑模控制相结合，可以实现对悬架系统的精确控制，从而提高系统的舒适性和稳定性。
该方法的实现步骤如下：首先，通过RBF神经网络来建立模型，并通过神经网络的学习算法，不断地优化网络的权重和偏置，从而得到更加准确的模型。
然后，根据悬架系统的特性，设计出适当的滑动模态来实现系统的控制。
最后，通过控制滑动模态的变量，来控制悬架系统的状态和输出。
该方法的优点在于能够对非线性的悬架系统进行精确的建模和控制。
同时，基于RBF神经网络的模型具有高精度和鲁棒性，能够应对复杂的控制环境，提高悬架系统的性能。
总之，基于RBF神经网络的半主动悬架滑模控制是一种新型的控制方法。
它能够将神经网络技术与滑模控制相结合，实现自适应的悬架系统控制，提高系统的舒适性和稳定性。
高超声速飞行器 RBF 神经网络滑模变结构控制王建敏;董小萌;吴云洁【摘要】针对高超声速飞行器高度非线性及强耦合的特点，提出了一种基于RBF神经网络调参的滑模变结构控制器。
滑模变结构控制器能够使高超声速飞行器稳定飞行，但在系统状态到达滑模面后会产生剧烈的抖振现象，不利于工程应用。
RBF神经网络在一定条件下可以任意精度逼近非线性函数，且具有较强的自学习、自适应和自组织能力。
将RBF神经网络与滑模变结构控制相结合，一定程度上能够消除滑模控制的抖振问题。
在高超声速飞行器的巡航状态下，分别加入高度阶跃指令和速度阶跃指令进行了仿真。
仿真结果表明，所设计的RBF神经网络滑模变结构控制器使高超声速飞行器在保证快速性、鲁棒性和抗干扰性的同时，克服了执行机构的抖振问题。
%According to hypersonic flight vehicle of highly nonlinear and strong coupling characteristics, sliding mode variable structure control based on RBF neural network regulating parameters was proposed. Sliding mode variable structure controller makes the hypersonic flight vehicle stably fly,but when the sys-tem states arrived at the sliding mode surface,it will emerge severe chattering,which would influence en-gineering applications.RBF neural networks can approximate nonlinear functions in arbitrary precision un-der certain conditions,in addition it has capacity of strong self-learning,adaptive and self-organizing.The controller that together RBF neural network with sliding mode variable structure can eliminate chattering problem generated by sliding mode variable structure control to a certain extent.Simulation was conducted by giving altitudeand velocity command on the cruise condition of hypersonic flightvehicles.Simulation results show that RBF neural network based sliding mode variable structure controller designed here en-suresrapidity,robustness and immunity of the hypersonic flight vehicle,while overcoming the problems of actuator chattering.【期刊名称】《电机与控制学报》【年(卷),期】2016(020)005【总页数】8页(P103-110)【关键词】高超声速飞行器;RBF神经网络;滑模变结构;控制;抖振【作者】王建敏;董小萌;吴云洁【作者单位】北京航空航天大学自动化科学与电气工程学院，北京100191; 中国科学院空间应用工程与技术中心，北京100094;中国空间技术研究院钱学森空间技术实验室，北京100094;北京航空航天大学自动化科学与电气工程学院，北京100191; 北京航空航天大学虚拟现实技术与系统国家重点实验室，北京100191【正文语种】中文【中图分类】V448高超声速飞行器是指飞行在距地面30-70 km的近空间领域、飞行马赫数大于5的一类飞行器。
基于RBF神经网络的汽车稳定性滑模控制
韩玉敏;李晗宇;潘可耕
【期刊名称】《黑龙江工程学院学报（自然科学版）》
【年(卷),期】2012(026)004
【摘要】针对汽车稳定性控制存在的非线性和参数时变不确定性问题,采用基于径向基函数(RBF)神经网络的方法设计汽车稳定性滑模控制器,能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能.仿真结果表明该控制算法可有效地控制汽车按照驾驶员期望的方向行驶,且保证汽车侧向控制系统具有较强的适应性和鲁棒性.
【总页数】4页(P11-14)
【作者】韩玉敏;李晗宇;潘可耕
【作者单位】黑龙江工程学院电气与信息工程学院,黑龙江哈尔滨150050;哈尔滨电站设备成套设计研究所有限公司,黑龙江哈尔滨150046;黑龙江工程学院电气与信息工程学院,黑龙江哈尔滨150050
【正文语种】中文
【中图分类】U461.6
【相关文献】
1.基于滑模控制的4 WS汽车闭环操纵稳定性研究 [J], 谭运生;沈峘;黄满洪;梁中汉
2.基于滑模控制的4WS汽车闭环操纵稳定性研究 [J], 谭运生;沈峘;黄满洪;梁中汉;
3.基于RBF神经网络的汽车ABS滑模控制器的设计 [J], 毛艳娥;井元伟;曹一鹏;张嗣瀛
4.基于终端滑模控制的电动汽车转向稳定性研究 [J], 张恒; 杨鹏; 张高巍; 孙昊
5.基于差动制动的汽车拖车组合系统动态稳定性滑模控制 [J], 赵子乾;张宁;殷国栋;孙蓓蓓;吴建华
因版权原因，仅展示原文概要，查看原文内容请购买。
基于RBF神经网络自适应滑模路由队列控制算法研究陈治【摘要】为解决网络传输过程中TCP网络控制系统非线性结构参数和不确定项上界参数等参数摄动对路由数据队列长度控制的影响,采用了一种基于RBF神经网络(Radial Base Function Neural Network)的自适应滑模控制算法,实现对路由数据传输队列长度的控制,以改善TCP网络路由队列的数据传输中存在的数据丢失及数据拥塞问题.首先,对路由队列数据传输过程进行数学建模,利用RBF神经网络辨识TCP网络控制系统的非线性函数,采用自适应滑模学习算法调整不确定项上界参数,然后使用基于RBF神经网络算法的自适应滑模控制算法控制TCP网络传输过程,并对基于RBF神经网络的自适应滑模控制算法进行了仿真验证.仿真结果表明,该控制方法能够有效抑制TCP网络控制系统结构参数摄动对路由数据传输队列长度的影响,且系统动态误差小和抗干扰性能强.【期刊名称】《制造业自动化》【年(卷),期】2017(039)005【总页数】6页(P32-36,48)【关键词】TCP网络;RBF神经网络;自适应滑模;结构参数;路由队列控制【作者】陈治【作者单位】合肥工业大学电气与自动化工程学院,合肥 230009【正文语种】中文【中图分类】TP273.5随着网络数据量的不断增加，TCP路由传输队列长度控制导致的数据丢失和数据拥塞问题日益严重，针对网络拥塞问题的路由控制算法研究已成为学者研究的热点。
文献[1]针对输入时滞的传输控制协议TCP线性动态系统采用滑模控制策略，利用LMI（Linear Matrix Inequality）线性化技术将滑动超平面进行特殊线性变换，使路由传输队列长度快速收敛于设定值。
文献[2]利用RBF神经网络的自适应权值学习来估计TCP网络控制系统参数变化引起的等效不确定项上界，使终端滑模控制器的滑动模态具有更短的收敛时间，达到快速控制路由传输队列长度的效果。
基于模糊RBF神经网络的分数阶滑模控制器优化设计作者：余潇黄辉先来源：《现代电子技术》2018年第11期摘要：针对神经滑模控制系统中存在的对先验数据依赖性较强的问题，结合RBF神经网络的泛化能力和自学习能力以及模糊推理算法的强适应能力，提出基于模糊RBF神经网络的永磁同步电机分数阶速度控制系统。
模糊推理的引入为神经网络的不确定性提供了有效的指导作用，同时，分数阶微积分算子的引入增加了传统滑模控制器的自由度，从而对该控制器进行了进一步的优化。
仿真结果表明，相比RBF神经滑模控制器，提出的模糊RBF神经分数阶滑模控制器具有更好的控制性能。
关键词：永磁同步电机；滑模控制器； RBF神经网络；分数阶；模糊推理；自由度中图分类号： TN876⁃34； TM461 文献标识码： A 文章编号： 1004⁃373X（2018）11⁃0087⁃04Optimization design of fractional⁃order sliding mode controllerbased on fuzzy RBF neural networkYU Xiao， HUANG Huixian（College of Information Engineering， Xiangtan University， Xiangtan 411105， China）Abstract： Since sliding mode control based on neural network has the problem of strong dependence on prior information， the generalization ability and self⁃learning ability of RBF neural network and strong adaptability of fuzzy reasoning algorithm are combined to propose the fuzzy RBF neural network based fractional order speed control system of permanent magnet synchronous motor （PMSM）. The introduction of fuzzy reasoning provides an effective guidance for the uncertainty of the neural network， and the introduction of fractional⁃order calculus operator can increase the degree of freedom of the traditional sliding mode controller， so as to further optimize the controller. The simulation results show that， in comparison with the sliding mode controller based on RBF neural network， the fractional order sliding mode controller based on fuzzy RBF neural network has better control performance.Keywords： PMSM； sliding mode controller； RBF neural network； fractional order；fuzzy inference； degree of freedom永磁同步电机在机器人、数控机床、医疗设备等领域内得到了广泛应用，但受制于系统中的参数变化和负载扰动等因素，电机的转速控制性能受到一定的影响。
rbf神经滑模控制在永磁直线同步电机的应用研究随着社会经济的发展，高精尖技术已经成为社会经济发展的重要保障。
电机在很多行业中发挥着重要的作用，其调速技术也得到了不断的发展与改进。
永磁直线同步电机的精度、稳定性较好，已经成为各行各业中的重要元件。
由于永磁直线同步电机拥有较高的精度，控制方式也就变得尤为重要，本文的研究以RBF神经滑模控制为主题，分析永磁直线同步电机的特点，结合数学建模，提出RBF神经滑模控制采取的控制策略，较为全面地探讨和研究永磁直线同步电机的应用研究。
一、永磁直线同步电机的研究1.1磁直线同步电机的原理永磁直线同步电机的主要工作原理是：当外加的交流电压与绕组的磁链恰巧同步，磁链的正面磁感应减弱，反面磁感应增强，对称变化，使得绕组产生旋转力矩，从而实现电机拖动负载回转。
简而言之，永磁直线同步电机可以由控制调节器来调节电机转速，从而达到调节负载的目的。
1.2磁直线同步电机的特点永磁直线同步电机具有较高的功率因数、较高的启动转矩、较小的重量、体积小、简洁的结构，维护保养方便，振动小，噪声低，定位精度高，反应速度快等特点，已被广泛应用社会实用。
二、 RBF神经滑模控制2.1模控制的概念滑模控制是一种根据系统的动态特性，通过调节系统的动态不确定性以改善系统性能的控制方式。
传统滑模控制是一种时变性线性或者非线性滑模控制。
2.2 RBF神经滑模控制RBF神经滑模控制结合RBF神经网络，把滑模控制引入神经控制，实现实时计算参数估计和在线调整，并将非线性控制和线性控制结合起来，以减少非线性现象所造成的对控制精度的影响。
三、研究应用3.1型建立根据系统的d-q轴结构，以及永磁直线同步电机的特性，可以建立出控制系统的数学模型，并构建出控制器所需要的系统参数，以便系统的控制。
3.2 RBF神经滑模控制策略控制模型的设计采用RBF神经滑模控制，采用负反馈的方法，并设置某一系数来控制系统的稳定性，使得系统达到不确定性的目的，达到良好的控制效果。
基于RBF神经网络的航空发动机模糊滑模控制研究
李勇;樊丁
【期刊名称】《计算机测量与控制》
【年(卷),期】2013(021)003
【摘要】针对航空发动机这个具有时变不确定性的非线性系统,提出了一种基于RBF神经网络的模糊滑动模态控制(Fuzzy SlidingMode Control)的航空发动机控制方法；通过对利用FSMC理论设计航空发动机模糊滑动模态控制器的方法进行了深入研究,设计了航空发动机模糊神经网络滑动模态控制器；仿真结果表明,所设计的控制器的控制效果良好,能有效地减少参数不确定性的影响,并且对外界干扰有很强的抑制能力,使被控系统在整个控制阶段都具有较强的鲁棒性,削弱了抖振.【总页数】3页(P632-634)
【作者】李勇;樊丁
【作者单位】西北工业大学动力与能源学院,西安 710072;西北工业大学动力与能源学院,西安 710072
【正文语种】中文
【相关文献】
1.航空发动机模糊滑模控制方法的比较研究 [J], 孙晖;刘尚明
2.航空发动机自适应模糊滑模控制方法的研究 [J], 孙晖;刘尚明;邓奇超
3.基于RBF神经网络的航空发动机故障诊断研究 [J], 郭风;王思远;崔红军
4.基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制 [J], 王仁强; 缪克银; 孙建明
5.基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制 [J], 王仁强; 缪克银; 孙建明
因版权原因，仅展示原文概要，查看原文内容请购买。
基于RBF模糊神经网络控制器的设计及仿真
基于RBF模糊神经网络控制器的设计及仿真摘要:本文结合模糊控制和神经网络控制各自的特点,设计了RBF 模糊神经网络控制器,并应用到洗衣机的控制中。
最后,在MATLAB中实现了仿真达到了预期的误差精度要求。
关键词:模糊神经网络RBF神经网络仿真
本文将神经网络与模糊控制相结合,为模糊控制器提供了良好的学习功能,并自动生成模糊控制规则。
通过神经网络实现的模糊控制,对于知识的表达是隐含地分布到整个网络中。
在控制应用时,不必进行复杂的规则搜索和推理,只需要通过高速并行的分布计算就可以输出结果。
1 神经网络的选择及简介
目前,在人工神经网络的实际应用中,绝大部分的神经网络模型都采用BP网络及其变化形式,它也是前向网络的核心部分,体现了人工神经网络的精华。
众所周知,BP网络权值的调整采用的是负梯度下降法,这种调节权值的方法有其局限性,即收敛速度慢和局部极小等。
本文将采用逼近能力、分类能力、学习速度和不存在局部极小等方面均优于BP网络的另一种网络——径向基函数网络(Radial Basis Funtion,RBF),来实现与模糊控制的融合。
2 基于模糊神经网络控制器的设计实例。
控制系统中的神经网络控制与滑模控制比较控制系统是现代工程中的重要组成部分，用于实现对物理系统的稳定控制和优化性能。
在控制系统中，神经网络控制和滑模控制是两种常见的控制方法。
本文将通过对神经网络控制和滑模控制的比较，探讨它们在控制系统中的应用。
一、神经网络控制神经网络控制是一种基于生物神经系统工作原理的控制方法。
它通过模拟人类大脑神经元之间的连接与信息传递来实现对系统的控制。
神经网络控制由输入层、隐层和输出层组成，其中隐层包含了控制系统的复杂性。
神经网络控制的优点是其强大的自适应和学习能力。
神经网络可以通过大量的训练数据和反馈机制不断优化自身的参数，以适应不同系统的控制需求。
此外，神经网络控制对非线性和复杂系统也具有较好的控制性能，可以处理控制系统中存在的不确定性和扰动。
然而，神经网络控制也存在一些问题。
首先，神经网络的训练过程需要大量时间和计算资源，这对于控制系统的实时性要求较高的应用来说是一个挑战。
其次，神经网络的参数调节和优化也需要专业的知识和经验，对于控制系统的设计和实施提出了一定的要求。
二、滑模控制滑模控制是一种基于滑模面的控制方法，通过引入滑模面来实现对系统状态的稳定控制。
滑模控制的核心思想是在滑模面上实现系统状态的快速切换，以达到控制系统的稳定和鲁棒性。
滑模控制的优点是其对系统扰动和不确定性的鲁棒性较强。
滑模控制通过引入滑模面来屏蔽系统扰动，并通过滑模面的快速切换来实现对系统状态的控制。
此外，滑模控制对参数变化和模型误差也有较好的鲁棒性，因此在工程实际中广泛应用于控制系统的设计。
然而，滑模控制也存在一些问题。
首先，滑模控制在滑模面上实现状态切换时可能会产生较大的控制信号，导致系统的震荡和抖动。
其次，滑模控制对系统模型的要求较高，对于非线性和复杂系统的建模和控制比较困难。
三、神经网络控制与滑模控制的比较在控制系统中，神经网络控制和滑模控制都具有其独特的优点和适用范围。
神经网络控制适用于对复杂、非线性系统的控制，具有较强的自适应和学习能力。
基于RBF增益调节的机器人滑模控制策略
王双霞;陈丽;王洪瑞
【期刊名称】《机床与液压》
【年(卷),期】2009(0)8
【摘要】滑模控制响应快,对系统参数和外部扰动呈不变性,可保证系统的渐进稳定性,但其缺点是控制存在很强的抖动.在一般滑模控制的基础上引入径向基函数神经网络(RBFNN),利用滑模控制的特点设定目标函数,将切换函数作为RBFNN 的输入,切换项增益K的绝对值作为其输出.利用RBF神经网络的在线学习功能,消除了控制的抖动,同时使系统具有很强的鲁棒性.对单关节机器人的仿真研究表明,在存在模型误差和外部扰动的情况下,该方案能大大降低抖振现象.
【总页数】3页(P122-124)
【作者】王双霞;陈丽;王洪瑞
【作者单位】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;邢台职业技术学院电气工程系,河北邢台,054035;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;河北大学,河北保定,071000
【正文语种】中文
【中图分类】TP242
【相关文献】
1.基于RBF网络增益自适应调节的滑模制导律 [J], 李士勇;章钱
2.基于模糊增益调节的机器人滑模自适应控制 [J], 曹艳;李小兵;吴博文
3.基于RBF神经网络增益调节的滑模制导律 [J], 佟廷帅; 刘晓利; 张志勇; 何贤军; 陈志华
4.基于RBF神经网络增益调节的滑模制导律 [J], 佟廷帅; 刘晓利; 张志勇; 何贤军; 陈志华
5.基于切换增益调节的神经滑模控制的机器人位置跟踪 [J], 龚双双;刘霞
因版权原因，仅展示原文概要，查看原文内容请购买。
RBF神经网络算法的非线性积分滑模控制机械臂运动轨迹误差研究董君;陈立【期刊名称】《中国工程机械学报》【年(卷),期】2018(016)002【摘要】机械臂运动轨迹容易受到外界不确定因素的干扰,导致运动轨迹跟踪误差较大,振动现象较为严重,不能很好地满足机械臂的准确定位.建立了双关节机械臂模型简图,采用RBF(径向基函数)神经网络算法非线性积分滑模控制机械臂的运动轨迹.分析了RBF神经网络算法结构,推导了RBF神经网络算法非线性积分滑模控制方程式和在线补偿法则,引用李雅普诺夫函数证明机械臂控制系统的稳定性.采用Matlab软件对双关节机械臂运动轨迹跟踪误差进行仿真,并与PID控制系统的跟踪误差进行对比和分析.仿真误差曲线显示,机械臂运动轨迹在受到外界干扰因素的影响时,采用RBF神经网络算法非线性积分滑模控制方法,不仅跟踪误差较小,而且输入转矩波动幅度较小.机械臂末端采用RBF神经网络算法非线性积分滑模控制方法,提高了机械臂的定位精度,降低了抖动幅度.【总页数】5页(P106-110)【作者】董君;陈立【作者单位】吉林省经济管理干部学院公共教育学院,长春 130012;福州大学机械工程及自动化学院,福州 350108【正文语种】中文【中图分类】TP241【相关文献】1.基于改进PID控制的三关节机械臂运动轨迹跟踪误差研究 [J], 宁煜2.基于自适应神经网络控制的机械臂运动轨迹跟踪误差研究 [J], 郑华辉;方宗德3.串联抓取机械臂运动轨迹规划算法研究 [J], 蒋伟; 袁亮4.采用RBF神经网络滑模控制的冗余机械臂避障研究 [J], 熊志金;王春燕5.基于分数阶微积分的机械臂迭代滑模控制策略研究 [J], 张鑫;鲁文儒;缪仲翠;姜子运;张靓因版权原因，仅展示原文概要，查看原文内容请购买。
rbf神经滑模控制在永磁直线同步电机的应用研究近年来，随着激光运动控制技术的发展，永磁直线同步电机（PMLSM）作为新型驱动器在机器人，航空航天，船舶，加工机械，数控工作中得到了广泛的应用。
由于PMLSM的优越的特性，如高精度，高可靠性，抗干扰能力强，可以满足精密控制的要求。
虽然传统的控制理论，如PID，基于模型控制，启发式控制和模糊控制，都可以满足精度/可靠性要求，但是仍然存在不可忽视的问题，如良好的跟踪性能，自适应抗扰性，良好的非线性控制性能等等。
神经网络技术也可以被用于电机控制，如一般功能可以由神经网络实现，比如模型参数的调整，输出指令和自适应控制。
而基于Radial Basis Function神经网络（RBF）的滑模控制技术由于其独特的特点，如学习可行性，灵活性，较强的非线性能，自适应抗干扰性，可以有效的解决目前的控制难题。
本文针对永磁直线同步电机，研究了RBF神经滑模控制器（RBF NMSC）。
首先，我们提出了一种基于RBF神经网络的滑模控制框架，该架构使用RBF神经网络来计算和估计控制器的模型参数，滑模器以及滑模器的反馈抑制部分。
其次，我们采用离散变化（DT）方法来优化RBF神经滑模参数，以满足精度和可靠性的要求，并以永磁直线同步电机的实验结果表明了该控制器的有效性和优势。
最后，结合PMSM（Permanent Magnet Synchronous Motor）模型我们构建了一个带有RBF神经滑模控制器的实验系统，以验证算法的有效性首先，我们介绍了RBF神经滑模控制（RBF NMSC）的基本原理：RBF神经滑模控制方案结合了RBF神经网络与滑模控制，用于控制传动系统。
在RBF神经滑模控制中，控制输入（即设定输入）可以从一组已知的训练输入拟合得到，可以实现通过计算系统的响应来优化模型参数的自适应，以达到精确控制的目的。
其次，我们介绍了DT（Discrete Transformation）优化技术：DT是一种用于优化模型参数的技术，在DT技术中，首先将系统的模型参数离散化，然后通过一组搜索运算来搜索最优参数。
基于RBF神经网络的汽车ABS滑模控制器的设计
毛艳娥;井元伟;曹一鹏;张嗣瀛
【期刊名称】《东北大学学报（自然科学版）》
【年(卷),期】2009(030)003
【摘要】针对汽车防抱死制动系统(ABs)在快速性及鲁棒控制方面的要求,采用基于径向基函数神经网络的方法设计了汽车ABS的滑模控制器.该方法能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能.利用MATLAB中的SIMULINK仿真工具,对车辆在干路面条件下的制动情况进行了仿真研究,验证了所设计的控制方案在汽车ABS应用中的可行性和有效性.
【总页数】4页(P309-312)
【作者】毛艳娥;井元伟;曹一鹏;张嗣瀛
【作者单位】东北大学信息科学与工程学院,辽宁沈阳110004;东北大学信息科学与工程学院,辽宁沈阳110004;沈阳航空工业学院计算机学院,辽宁沈阳110136;东北大学信息科学与工程学院,辽宁沈阳110004
【正文语种】中文
【中图分类】TP13
【相关文献】
1.基于Matlab的RBF神经网络设计与仿真试验 [J], 石岩
2.汽车ABS系统智能滑模控制器的研究与设计 [J], 陈德海;付长胜;王一栋
3.基于MC9S12DP256的汽车ABS模糊滑模控制器 [J], 王波;刘言强;任焕梅;刘
文亭
4.基于模糊RBF神经网络的分数阶滑模控制器优化设计 [J], 余潇;黄辉先
5.基于LabVIEW和RBF神经网络的PT100测温系统的设计 [J], 周先飞; 杨会伟; 夏跃武
因版权原因，仅展示原文概要，查看原文内容请购买。
