论文部分内容阅读
提出一种基于差分进化算法（DE）的径向基函数神经网络（RBFNN）模型,用于预测直线伺服系统的定位误差。该模型用差分进化算法训练径向基函数（RBF）网络隐层中心位置、宽度和输出层连接权重。为了评价优化后RBF网络预测的精度,运用部分误差样本进行训练和仿真。构建了以数字信号处理器（DSP）为核心的直线电动机定位误差实验平台,根据误差校正值进行误差实时补偿实验。仿真和实验结果表明：经过DE算法训练的神经网络模型对工作台的误差具有良好的学习能力和泛化能力,与单纯RBF网络、基于遗传优化的RBF神经网络相比,该建