摘要：为了解决起重机吊重系统吊重摆角速度不易直接测量的问题,利用神经网络能对任意函数逼近的原理,采用RBF神经网络针对吊重摆角子系统,以吊重摆角为可测输入量,在基本状态观测器的基础上设计了神经网络状态观测器,通过合理设计神经网络参数,实现对吊重摆角速度现场软测量.与基本观测器的观测结果进行了对比仿真,结果表明:神经网络观测器的观测时间不到1 s;当系统存在建模误差和参数摄动时,神经网络观测器能较好地适应小车驱动力输入形式;在达到观测时间之前,基本观测器存在明显的高频振荡现象,且振荡的幅值随外界干扰幅值的增大而增大,神经网络观测器具有较平稳的观测过程.

摘要：为了解决系统状态变量不宜直接测量的问题,利用神经网络能对任意函数逼近的原理,采用RBF神经网络针对标准单输入、单输出系统,利用可测变量为输入量,在基本状态观测器的基础上设计了神经网络状态观测器。系统状态观测误差是收敛有界的,并且该界与神经网络权值逼近误差有关,合理设计神经网络参数,将该观测器应用于起重摆角子系统,利用小车位置变量为输入量,实现对吊重摆角速度的现场软测量。仿真研究的结果表明,神经网络观测器具有良好的快速响应性,其观测时间小于1 s;当系统存在建模误差和参数摄动时,神经网络观测器能较好地适应小车驱动力的输入形式;神经网络观测器具有较平稳的观测过程。