一种具有学习速率自调整的单神经元伺服控制器地研究.pdfVIP

一种具有学习速率自调整的单神经元伺服控制器的研究 宋宜斌 (烟台大学计算机科季与工程系山东烟台264005) 摘要 神经丹培控麓以萁优良的性蕾在各囊工韭控科系境中的日盏聋捌青辟．蒋而．捧垃元控制嚣在实际 设计与宴瑰中。常常受到{者多参数选取的固执本文探讨了一种其有学习莲事自舅整的单神经元控制嚣，并将 其应用于一实际伺蠢控制系缱中仿真研究证宴所设计控制嚣亚系统具备良好的鲁棒性． 关键词神经同络控制；学习遗事自-整；单神经元控制嚣 1．引言 作为智能控制的一个重要分支，神经网络控制技术在各类高性能工业控制系统中的应 用日趋成熟，表现出良好的应用前景．神经网络控制是将人工神经网络引人系统控制领 域，然而，在神经网络控制器的实际设计与使用中，常常受到诸多参数选取的困扰．以单 神经元伺服控制器为例，控制器的学习速率、权重初值、衰减因子及采样周期等参数的选 取，都将对控制器的学习与控制效果产生不同程度的影响．近年来人们一直在探索新的改 进手段及学习算法，以期减少或消除这种影响．为此，本文探讨了一种具有学习速率因子 自调整的单神经元控制器，并将其应用于一实际伺服控制系统中．由于引人了自调整因 子，学习速率可根据实际参数情况适时地完成自调整，进而保证了控制器学习算法的收敛 性及系统控制的良好性能．同时，本文对控钳器中采用学习速率因子自调整前后系统的性 能进行了详细的仿真研究，进丽证实了所提方法的有效性． 2．单神经元控制器的结构分析 单神经元是构成复杂神经网络的基本单元，其基本结构如图1单神经元的输出可表述为： u。(t)=f(∑W．·zI(t)一￡) 。 I=I ～l， 式中：E是神经元的阈值， zi(t)是输入状态向量的元素， Wi为权重向量元素， 11为向量维数， f(·)为神经元激发函数(通常取为Sigmoid函数) 为保证控制策略的收敛性，f(·)的变量可取作权重向重w与状态向量X(t)的内积除以权 重向量W的欧几里德范效In川|-权重向量W的各元素值可通过如下的学习规则来确定： ’r。(k+1)=a·r-(k)+ql。6I(k) f2、 其中：a为衰减因子：ni为学习速率系数；6i隹)为学习规则． 学习规则的形式较多，结合伺服控制系统的控制实时性要求，本文选取的规则为： 6-(k)=t(k)·Iu-(k)Fz·(k) r3、 In 其中：jII00l为单神经元控制器输出的绝对值：e∞为系统误差信号 ·87· 通过与被控对象信息的相互作用，使控制器的学 Z 习与控制能力快速得以提高，以适应系统控制的 快速性要求．若再加入控制器的适配因子Kc，并 z2警爵—型 ：w∥了 设神经元的阈值￡卸，则可得到单神经元控制器 ／ 的输出为： 磊 图1：单神经元结构图 (。， I-l I{wII u-=f(k。嵩w·刚)‘斋 i则是决定 显然，控制器输出中的权重系数wi