TY - JOUR A2 - Concilio，安东尼AU - 刘志勇AU - 宝弘AU - 薛，宋AU - 杜，景力PY - 2019 DA - 2019年12月14日TI - 模糊神经网络的Q学习方法模型扰动变化：一个可部署的天线面板应用SP - 6745045 VL - 2019 AB - 具有5米展开天线面板上的有源变形调整机构本文地址扰动变化的控制的问题。模糊神经网络Q学习控制（FNNQL）策略在本文提出的干扰变化提高天线面板的准确性。在所提出的方法中，模型干扰的误差是通过将模糊径向基函数（RBF）神经网络到Q学习减小，并且模糊RBF神经网络的参数是由一Q学习方法优化和调整。这使得FNNQL控制器具有很强的适应性，以应对干扰变化。最后，该方法已在5米可展开天线面板的中板采用，并发现，该方法可以成功地适应天线面板模型的扰动变化。模拟的结果也表明，整个控制系统满足所需的精度要求。SN - 1687-5966 UR - https://doi.org/10.1155/2019/6745045 DO - 10.1155 /六百七十四万五千○四十五分之二千○一十九JF - Hindawi出版KW - - ER国际航空航天工程PB的 -