一种基于RBF神经网络的非线性自抗扰控制方法

本发明公开了一种基于RBF神经网络的非线性自抗扰控制方法，属于运动控制领域，包括：步骤一，构建非线性自抗扰控制器与径向基神经网络辨识器，所述径向基神经网络辨识器包括输入层、隐含层和输出层；步骤二，采集被控对象的给定速度v(k)与反馈速度y(k)；通过径向基神经网络辨识器良好的自学习能力，利用了非线性自抗扰控制方法降低了外界扰动对系统影响的同时，根据系统的内外部扰动实时自适应调节系统控制参数，相比其原来的固定参数模式可以显著降低超调，增强了系统的抗干扰能力的同时提升系统的控制精度提升控制精度，解决了现有技术中自抗扰控制器扰动补偿误差反馈控制率模块的β4,β5这两个关键参数整定困难的技术问题。