排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
射电望远镜天线伺服控制系统中的非线性特性, 对系统动力学特性辨识有着显著的影响, 会提高辨识难度, 增加辨识模型的复杂程度. 系统非线性特性的测量与补偿也会增加系统辨识工作量. 针对上述问题, 提出了一种基于非线性采样数据的线性重构方法, 用于动力学特性建模. 通过提取原采样数据的相位与幅值, 对受到噪声与非线性畸变影响的系统采样数据进行线性重构, 降低待辨识模型的复杂度. 搭建了半实物实验平台, 以平台实际采样为基础, 重构线性数据, 利用奇异值法与自回归神经网络评估并辨识平台动力学模型. 实验结果表明, 建模数据奇异值拐点从100阶下降至40阶, 仅用10个神经网络节点200次训练即实现了模型辨识. 相似文献
1