神经网络新BP算法用于电炉温度的辨识.pdfVIP

神经网络新BP算法用于电炉温度的辨识 马佳 何国森 ． 上海大学机电工程与自动化学院 上海市200072 ■叠奉文对白焉虚控■进程中电炉蔼度参蠢用抻经一络蕾BP算法的辨饭钿以讨论．井克曩了Bp算法謇■售^■■赣小的收 散毫鹰较幢的■氘现在辨；览对●的站掩粤’赣均可吏．冀■一’羹町任建期用性幢薯的抻妊一络熏麓辩讽转件乜．直—麓景 饭迁用． 美■■抻烃一络(NN) 白避虚控一(AC) ■识(PR) 莆育 对于适应控制系统．常因为受控制对象与环境较复杂、量变化而不能精确地建模．人 工神经同络具有并行机制、学习能力与记忆能力．有高速组织、自逢应能力．对电炉沮度 系统．神经网络用来做系统辨识是采用新脚H时謦结构及新BP算法，实现了其有良好的交 互性的人机界面。针对BP同络应用时隐含层敷与每层节点羲难以确认．鼻于陷于局部量 小收敛速度慢的缺点．辨识对象的结构与参数可变．采用通用性较醐抻羟啊络蕉统辨识 ’ 软件包．将管式电妒溢度’敦取得正确的辨识效粜． 曩理与方法 系统辨识问题通常是指通过观察与检测系统过程的输入——输出关系来确定其教模． 现在选用神经网络中的BP阿络作为辨识嚣，也用BP算法，因此整个控制嚣结构如图l所 示。该控制器是将参数在线辨识与调节器设计有机地结合在一起．在运行过程中．首先对 披控对象的参数在线辨识，再根据参救辨识结果来调节控制嚣的控制策喀．以期达到量优 化的被控对象进行控制。 由于白噪声是一种量简单的随机过程，或说它是一种均值为零、谬密应为非零常数的 平稳随机过程，或说它是由一系列相关的随机变量组成的一种理想化随机过程．现在由于 计算机上产生(O．1)均匀分布的髓机敷可分三英；l、把已有的tO．1)均匀分布的奠帆 数存放在计算机内存中：2、物理方法是用真空警的射枪唯声转换成噪声电流{3、利用数 学方法．本课愿的软件就是利用Turbo C语言的随机数产生函数Rind()产生的．由于每 个(0．I)均匀分布的麓机数总是前面各时刻随机数的函数。因此此法产生的髓机歙只能 叫怍伪随机数。现用乘同余法与混合同余法．其伪髓机数循环周期长．统计性好． 圈I所示辨识系统图。用BP网络作为辨识嚣．调节嚣将参数在线辨识与调节嚣设计 有机的结合．先对被控制对象的参数在线辨识，再按辨识结果调节控制最略．鞔可达到量 优的白适应控制。方法贯彻于根据模块化设计法及调试过程中的优良软件中．使软件具有 ——381—— 机构清晰、层次分明、易调试，易维护、便于移擅的优点。本软件是个利用多层前反馈网 络BP同来进行模式识别的通用工具软件．为了增加软件的通用性、灵活性．控制对象的 结构、参数、输入信号、嗓声类型、信嗓比皆可自由设定。 对象是电炉．具有大惯性带清后环节．本软件的神经网络输入选取4号信号。本软件 的总体结构如图2所示。 ，本濂蠢的赣件最模块化的．在整个设计及调试过程中均用模块化软件碌刚．结果是软 伴其育结构清晰?谣次分明．易于调试及维护．便于软件移檀等优点。本软件悬一个利用 多层日日馈网络(BP闩)来进于亍模式识别的通用工具软件。学习样本的输入单元个数、输出 单元个数、样本救、隐含层敦及隐含层中的单元个救与系统误差精度．样本误差请度、学 习率、冲量因子、训练次数等均可动态调整的。网络训练好后．样本值、同络的输出值与 误差值皆可以以数值及圈形方式动态显示．由操作此软件选定出的具体BP同络及算法均 可直接用于针对相应对象的控翻器中作为辨识磊。本软件旨在为工程技术人员提供一个有 力的工具，对BP网络的虚用进行功能计算与分析．也为神经髑络用于控制方面开拓思路。 ：‘^。¨ ． 。F+ 。 苍囊嚣 用管l蕈魄炉寿对象．从电炉上直接采样下来舶两组实验数据进行辨识。救据加了40、， 电压的情况下．温度已稳定．再加幅值为●V的量大M序列的输出值。谚数据类型等于温 度控制器在线j!}f识的实际情况．从而验证了该软件的实用性和科学性。其结果请苔圈3与 组数