인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
The cascade structure control method remains widely used in industrial motor position applications due to its flexible hierarchical control loops. However, its ability to maintain nominal performance in the presence of uncertainties heavily relies on the chosen compensation strategy. Although the commonly implemented Disturbance Observer-Based Control (DOBC) approach is highly effective, it could fall short when addressing nonlinearities and unknown dynamics. To overcome these limitations, this paper considers two Radial Basis Function Neural Network (RBF-NN)-based approaches for nonlinear friction compensation under dynamic uncertainties. The robustness of the proposed scheme is validated via comparative simulations against conventional cascade controllers including a Reduced-Order PI Observer (ROPIO)-based scheme. Simulation results underscore the limitations of traditional linear controllers in handling dynamic disturbances and demonstrate the superior performance of RBF-NN-based controllers, with the supervisory RBF-NN outperforming the adaptive RBF-NN in terms of disturbance rejection.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092252624
