BLNN补偿同步控制器

精度提升67%

考虑双驱龙门平台执行器饱和与系统不确定性，通过宽度学习神经网络补偿非线性，实现比传统方法更高的同步精度与稳定性。

Yan, Zhou · Liu, Yanbin · 潘惠惠 · 孙维超

Nonlinear Dynamics 2026

具体参数

同步精度平均偏差
{'zh': '3.62', 'en': '42'} μm
参数估计平均误差从
{'zh': '15.3', 'en': ''} %
网络提高
{'zh': '25', 'en': ''} %

技术优势

能实时补偿饱和

通过平滑函数结合均值定理设计辅助反馈项，并利用BLNN进一步补偿残余不确定性，减轻执行器饱和影响。

模型参数在线辨识

基于递推最小二乘的间接自适应方法实时估计系统模型参数，提高建模精度。

比RBF拟合更准

BLNN可自主添加神经元，消除了网络设计的盲目性，实现更高拟合精度。

应用场景