《表2 各曲率阶跃点控制误差波动幅度》
统计两类算法在各阶跃点的误差波动幅度如表2所示。相比于收敛性上的改善,特性拟合法对比神经网络算法在鲁棒性上的提升更为明显,在各阶跃点的改善程度均达到50%以上。而由阶跃点c的试验结果可得,两类算法对曲率阶跃的方向并不敏感。此外,特性拟合法的控制精度波动幅度与曲率阶跃量存在较大的相关度,神经网络算法的误差波动量则具有不确定性,在误差值的可预测性上特性拟合算法具备优势。在误差波动的收敛速度上,特性拟合算法也有明显提升,且在试验过程的整体控制精度上,特性拟合法较神经网络算法提高了33.4%,具备稳健的控制性能。进一步展开多变曲率工况试验,记录控制效果如图11所示。
图表编号 | XD00222488400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 陈吉清、蓝庆生、兰凤崇、刘照麟 |
绘制单位 | 华南理工大学机械与汽车工程学院、华南理工大学广东省汽车工程重点实验室、华南理工大学机械与汽车工程学院、华南理工大学广东省汽车工程重点实验室、华南理工大学机械与汽车工程学院、华南理工大学广东省汽车工程重点实验室、华南理工大学机械与汽车工程学院、华南理工大学广东省汽车工程重点实验室 |
更多格式 | 高清、无水印(增值服务) |