Citation: | PENG Jingqi, LAN Yipeng. Research on RBF-PID self-learning control of magnetic levitation linear synchronous motor drive system of motion platform[J]. Manufacturing Technology & Machine Tool, 2022, (6): 113-118. doi: 10.19287/j.mtmt.1005-2402.2022.06.018 |
[1] |
封光磊, 崔岗卫, 胡传勇, 等. 数控机床高速刚性攻丝优化技术研究[J]. 制造技术与机床, 2017(7): 109-113.
|
[2] |
焦丕显, 李林, 肖光临, 等. 浅谈高速切削加工技术在数控机床中的运用[J]. 中国设备工程, 2021(8): 192-194. doi: 10.3969/j.issn.1671-0711.2021.08.117
|
[3] |
郭亮, 邓乾坤, 鲁文其, 等. 高精度数控机床直线电机的改进型自抗扰控制研究[J]. 机电工程, 2019, 36(12): 1303-1308. doi: 10.3969/j.issn.1001-4551.2019.12.014
|
[4] |
原浩, 赵希梅. 永磁直线同步电动机伺服系统的自适应加加速度[J]. 电工技术学报, 2020, 35(16): 3406-3413.
|
[5] |
朱逢锐. 基于RBF神经网络的PID自校正控制研究及应用[D]. 淮南: 安徽理工大学, 2017.
|
[6] |
刘金辉. RBF神经网络自适应Matlab仿真[M]. 北京: 清华大学出版社, 2014
|
[7] |
赵崇文. 人工神经网络综述[J]. 山西电子技术, 2020(3): 94-96. doi: 10.3969/j.issn.1674-4578.2020.03.033
|
[8] |
杜川. 基于电流预测控制的永磁同步电机矢量控制策略[J]. 沈阳工业大学学报, 2019, 41(6): 616-620. doi: 10.7688/j.issn.1000-1646.2019.06.04
|
[9] |
Chen S Y, Member S, IEEE S. Robust nonsingular terminal sliding-mode control for nonlinear magnetic bearing system[J]. Control Systems Technology, 2011, 19(3): 636-643. doi: 10.1109/TCST.2010.2050484
|
[10] |
Shao K, Zheng J, Huang K, et al. Finite-time control of a linear motor positioner using adaptive recursive terminal sliding mode[J]. IEEE Transactions on Industrial Electronics, 2020, 67(8): 6659-6668. doi: 10.1109/TIE.2019.2937062
|
[11] |
蓝益鹏, 胡学成, 陈其林, 等. 可控励磁磁悬浮进给平台电磁特性的有限元分析[J]. 机械工程学报, 2017, 53(4): 184-189.
|
[12] |
卢琴芬, 沈燚明, 叶云岳. 永磁直线电动机结构及研究发展综述[J]. 中国电机工程学报, 2019, 39(9): 2575-2588.
|
[13] |
郭跃东, 宋旭东. 梯度下降法的分析和改进[J]. 科技展望, 2016, 26(15): 115-117.
|
[14] |
高子龙, 刁吉阳, 隋大鹏, 等. 某随动控制系统RBF神经网络PID复合控制[J]. 自动化与仪器仪表, 2020(11): 56-60.
|
[15] |
李志伟. 提高BP神经网络学习速率的算法研究[J]. 考试周刊, 2016(21): 103. doi: 10.3969/j.issn.1673-8918.2016.21.090
|