一种改进的复合神经网络控制器地研究.pdfVIP

电子测量与仪器学报 2000增刊 一种改进的复合神经网络控制器的研究 白瑞林 刘尧猛 潘勇 李军 (天津轻工业学院自动化系．天津300222) 摘要：根据智能删控仪器的特点、被控对象的实际情况，虬及系统控制品质的要求，_本文提出了一种改进 的复台神经网络控制器。经理论分折和实验证明：该控制器具有较强的克服动态干扰和消脒静态余差的能 力，其控制算法易于单片机系统实现，是一种行之有效的实现铡控仪器智能化的方洁． 关键词：神经网络 复台控制器 动态补偿 一、引 言 智能控制仪器仪表目前主要是由单片机系统实现，由于单片机在时钟频率、复杂函数计 算上的限制，使得神经网络控制策略难以在线学习，而只能利用网络的泛化性。同时，由于 基于单片机的神经网络控制器的隐层神经元数目有限，网络的泛化性有一定的限度I一Ⅱ。另 外．由于被控对象具有不同程度的时变性、非线性和不确定性，加上外界随机干扰、负荷波 动，要求控制器具有一定的鲁棒性【2J。特别是，在一些控制品质要求比较高的应用中，控制器 鲁棒性通常是首要考虑的指标。本文正是针对实际的控制情况，研究和设计了一种具有较强 适应能力的复合神经网络控制器。 二、控制原理 21洲复合控制器的控制策略 NN复合控制器由BP网络控制器、误差积分补偿环节组成。为克服负荷波动或较大的 yk))。其控制系统结 瞬态干扰，进入稳态运行后，系统加入对象动态前馈补偿环节(G。(A 构如图 圈1具有复合神经罔络控制系统框腰 BP网络控制器的控制策略为非线性增量PIE)形式： K吣臣+B(1(p，Ki，F,oF-t．I+c(1(P，K，附h．2} Nk2K。{A(K 其中：A(b K．，k)，B(E，K．，K“c(I(p，K．，附为非线性系数t由BP网络程序化实现a 白瑞林：副教授：刘尧猛：助救；灞勇：助教：李军：教授． 565 一————————————____-_-_-●————————_———_——————————一1—— 电子测量与仪器学报 2000增刊 误差积分补偿环节形式： k=KE气 ；当气≤△ 时加入 其中：‰为系统k时裹4误差，k为积分补偿系数 对象动态前馈补偿环节(G。(Ah))形式： Vk=一l(-时k—Yk．。)，r；系统进入稳态后加入 其中：T为采样周期，x。为前馈补偿系数 2．2改进的BP田络控制矗学习算法 NN复合控制器的核心为改进的BP网络控制器．其结构为口一n_l形式。该控制器采取闭 环模式学习，在线仿真确定．由于模式学习时，当学习步长a比较小时能够逼近批学习I”， 所以可以实现整个控制过程的样本测取，克服了样本数据稀疏和样本数据不准确等匿难。 网 络拟合误差的代价函数为： 2 mine l彪∑(h—h)2 修正的BP弼络学习算法为： 6 k 6h；a6lHj+nbI雌I △ej-B oj 6 A-f▲=Bk 。J。￡1／2t5 kV日(1+瞰1一耳J)p 6k ；lr2(v‘一h)(1+y0(1一y0“ 22”o 。j J．I o