基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究.pdfVIP

应用 尼 K 。 由图 1经过化简可得 电液压力控制系统的传递函数 为 ： U， U， (曼+1)(_S了2+1)( + ∞r ∞： ∞ tOs 3控制系统设计 3．1系统控制原理 基于改进遗传算法的模糊 RBF神经网络控制系统的结 图 3 模糊 RBF控制器结构 构如图2所示 ，为了产生更好的控制效果 ，图 2中的模糊 神经 网络采用 GA—BP算法进行参数的优化 。 度 、归一化三个过程功能 。本层 49个节 点，在 下式所示 的推导过程下，得节点输 出为 e。 mk= (x1)· 2)=exp(-sumk) 一 t c c avek = ∑ 图2 基于改进遗传算法 的模糊 RBF神经网络控制系统的结构 式中，i=1，2，…7；j=l，2，…7；k=l，2，…49。 3．2模糊 RBF神经网络控制器结构 第三层 ：输 出层。这一层完成模糊推理结论和反模糊 本文将输人 e和 ec和输 出U均划分为 7个模糊子集 ， 化 的输 出过程 。得节点输出为网络输出 。其 中t|)表示模 即为 f负大 ，负中，负小 ，零 ，正小 ，正 中，正大)= 糊推理结论部分 ．从结构上相当于模糊 RBF神经网隐层到 {NL，NM，NS，ZO，PS，PM，PL}，它们的隶属函数用高 输 出层 的权值 。 斯 函数表示 。根据实际经验 ，可得模糊控制规则为表 1所 49 U=∑are． (4) 示 。 基于高斯径向基的RBF神经网络的优越性及其与模糊 表 1 E．EC—U模糊控制规则表 神经网络 的等价性可分别参见文献 [4—5]。本文采用基于 ＼ ＼— NL NM NS Zo PS PM PL 高斯这种结构 的模糊神经网络除了能很好的映射模糊控制 规则外，还有利于网络的初始化和 网络结构的设计 ，这主 NL PL PL PM PM PS ZO ZO 要是 由于：网络 的第二层 ，不但实现 了隶属度函数 ，而且 NM PL PL PM PM PS ZO ZO 也实现 了模糊隶属度 的合成 ，使模糊控制的前件在 同一个 NS PL PL PM PS ZO NM NM 神经元 中完成 ，根据系统的控制要求可在线调整第二层 的 Zo PL PL PM Z0 NM NL NL PS PM PM Zo NS NM NL NL 节点数。当根据控制要求需要变化模糊控 制规则时 ，只需 PM ZO ZO NS NM NM NL NL