模糊神经网络技术在运动控制运用中地研究.pdfVIP

模糊神经网络技术在运动控制运用中的研究819 模糊神经网络技术在运动控制运用中的研究‘ 陈寿平蒋旭平 上海理工大学动力工程学院，上海200093 摘要本文针对传统的DTC系统的缺陷，提出了采用智能控制的方法。本文采用了多变量模 糊神经网络的控制方法并将其运用于传统的DTC系统，同时介绍了模糊神经网络的原理、结构、 性能及学习算法。计算机仿真结果表明：采用多变量模糊神经网络技术能有效提高DTC系统的静、 动态性能，与传统的DTC系统相比较，显示出强大的优越性。因此模糊神经网络控制方法不失为一 种先进的现代控制方法。 关键词 模糊神经网络直接转矩控制运动控制 1 引 言 图1)(A速度调速器，B开关状态选择器，C电磁转矩模型，D磁链 传统的直接转矩控制(DTC 模型)有其弊端…：无法区分定子磁链误差、转矩误差的等级，对一些不确定因素引起的误差微小变化， 不能及时控制；转矩脉动、调速范围受限制，尤其是低速时调速性能明显下降。【2】模糊神经网络是一种 哆《模糊逻辑推理的知识表达能力与神经网络的自学习能力 于一体的新技术，是二者的有机结合，充分表现二者之间 的互补性、关联性。它可以适应非线性系统而且有很强的 鲁棒性。将神经网络的学习能力引到模糊控制系统中去， 将模糊控制器的模糊化控制处理、模糊推理、精确化计算 通过分布式的神经网络来表示，这样神经网络的输出输入 信号、隐含节点用来表示隶属度函数和模糊控制规则，并 把模糊控制抽象的经验规则转化为神经网络的一组输出输 图1直接转矩控制系统基本结构 入样本，使神经网络对这些样本进行学习、记忆，并以“联 想记忆”的方式来使用。 2模糊神经网络的原理及运用 糊神经网络的模型结构如图4所示 图2模糊神经网络模型 ‘作者简介：陈寿平，男，1978年生，上海理工大学硕士，研究方向：非线性系统控制和智能控制。蒋旭平，男，上海理 工大学高级工程师．研究方向：非线性系统的精确检测和控制。 墨墨曩黑置舅皇皇皇皇量曼置|曼皇曼量量曼曼量墨_—■————■■■皇皇曼量毫曼曼曼量曼曼鼍量__——_；；：釜；：：；=尘；；；：：：：： 模糊神经网络(如图2(I输入层，II隶属度函数层，ⅡI规则层，Ⅳ解模糊层))可表示为： ，O+1)=“Mvp0)，A，l(t一+1)，Off)，A，o(t—m+1)，阡7(f)I(1) 式中，，，o分别为系统的输入、输出；一，m分别为』(f)，O(t)的阶次：“为非线性函数 输入层为：Rj：J70一‘) os‘≤胆一1 (，) 一 n≤is Io(t—i+”) rj一1 式中，I为输入层的结点个数， ‘=n+m，令Y，为隐含层结点个数，隐含层可表示为： ㈤ Rjo)=gk80(t)lj=1，2，人，y：，nPf，(f)=窆孵R』l，，=1，2，A，y： 输出层为： j(f+1)=∑町Rj(f) ㈤ 式中，啄为输入层和隐含层间的连接权值，町为隐含层与输入层之间的连接权值激励函数取 采用最小二乘法进行训练，其权值公式修正如下【4】： 厂(x)=专一1 ㈤ 州=矿(r一1)一万H而(t丽-1)V而O(t丽)中(t丽)y+V(p‘(，J爿(r—lJVq’( (6) 式中，矿(r