基于动态BP神经网络直接自适应控制研究.pdfVIP

2001中国控制与决蓑学术年会论文集 基于动态BP神经网络的直接自适应控制研究 王连法 王最云 孛青峰王* (毕中辩技大学水利术电厦自葫化工程系武祝430074) (电子辩技大学) (华中科技大学) 捕耍提出一种基于神经网络曲直接自适应拉能方法，果异l霄十讨杰BP神经网嬉，分别甩 于被控对象曲在线辨识和直接自适应控制．谪方法的特点是不依植被控对象的教学模型．直接 根据在线辨识春来训蝽控制器码蓐，达翻直接自适直控翻的目的。谖系统连吊于膏俄动态非线 性系统的辨识． 关■词神经目缮，自适应控制，非线性系统一，在线辨诅， J 、。 ‘ ，f l引 言 BP神经网络以其结构简单，工作状态稳定等特点，已广泛应用于许多领域。动态BP神经 网络具有逼近任意非线性函数的能力，因此可用来对动态非线性系统进行在线辨识‘”和控 制啪。 对被控对氛进行直接自适应控制，通常需要对象的数学模型，或对象特性的某些先验知 识，如对象的Jacob矩阵。但由于动态非线性对象结构复杂，其数学模型难以获得，即便舱预先 获取某些先验知识，由于对象特性的时变性，这些知识在用于控制器设计时也不甚理想．特别 是用神经网络作直接自适应控制器时，其网络权值的学习必须依赖于对象的信息。这与被控对 象特性未知形成矛盾。如何解决这个矛盾，是很多控恻界人士都在研究的问题。 本文的解决办法是用另一神经网络对被控系统(对象)进行在线辩识，使得当￡一。。时， 辨识器网培x的输出Yk0)最终趋近于被控对象s输出y(f)t即 llmyN(t)=yO) (1) 这样便可用结构特性巳知的辨识器网络代替被控制对象，对控制器网络的权值进行训练，并最 终使得 limyⅣ0)=“(f) (2) 其中蛐O)是系统的期望输出。结合式(1)，(2)可知有以下结果 lhy0)=“(t) (3) 选样便实现了直接白适应控制的目的。 2 系统结构 基于神经网络的直接自适应控制系统已有不少报道阻“。本文提出一种设计思路更简单 的系统，即用两个动态BP阿络实现的直接自适应控制系统，其结构框图如图1所示。 图1中，被控对象是动态非线性的，动态BP阿2甩于被控对象的在线辨识，动态BP丽l作 为控制器用来对被控对象进行直接控制，系统的期望输出为蛳o)，实际输出为y(k)。 作为控制器的神经网络，其训练准则本应取为 246 2(4) Jo一0“(t)一“J(^)Il 其中，“(^)为控制器的输出量， 即对象的控制输入，对应的对象 输出为y强)，妇任)是当期望的 对象输出为汕n)时，神经网络 应提供的控制量。问题是：当希望 对象的输出为姐啦)时，如何知 道这时对象应具有的输入‰(^) 的值?显然，在对象特性未知的情 况下，ya(k)是无法确定的。为解 田1 基于动毒罔培的直接自适应控■矗蟪桎圈 决这一矛盾，我们采用另一个训 练准则 2 (5) 如=|I蛳∞)一蛳(^)lI 来代替J。。由图】可知，此时是把控制器网络1与辨识器网络2看作一个整体，即一个具有更多 层数的神经网络。而辨识器网络权值的训练准则为 2 (6)