本系统旨在利用ELMAN神经网络的动态环境感知与记忆特性,对具有大惯性、时滞或衰减特性的系统阶跃响应进行在线校正与动态补偿。ELMAN神经网络通过在隐藏层中增加承接层,能够将前一时刻的状态作为反馈输入,这种结构赋予了网络极强的非线性映射能力和时域动态处理能力。
项目实现过程中,首先通过MATLAB建立受控对象的传递函数或差分方程模型,获取其在单位阶跃激励下的原始动态响应数据。接着,构建ELMAN预测模型,将受控系统的特征指标及历史误差序列输入网络进行滚动训练。网络的输出作为实时补偿信号叠加到原始控制作用上