神经网络在飞行仿真转台控制系统中研究和应用.pdfVIP

神经网络在飞行仿真转台控制系统中的研究与应用 扈 宏 杰 【北京航空航天大学自动控制系， 北京，lo oo83) 刘 强 (北京航空航天大学自动控制系， 北京t 0 0O83 尔 联 洁 【北京航空航天大学自动控制系， 北京， 00 0 83 掩要针对三轴转台控制系统中存在的参数时变、框间力矩耦合、机摊磨擦、电网波动 等因素所引起控制对象的不确定性，传统的基于对象数学模型的方法难以实现高精度、高 B 频响的控制要求。本文提出r一种新的智能方法，即采用R F神经网络对被控对鬟进行 在线辩识．采用单神经元做控制器进行实时数字控制。仿真发实验表明了该方法的强鲁棒 性和岛度自适应性。 关健词 仿真转台 RBF阿络 神经控制器 对具有神经网络的控制系统的研究，在过去的十几年中得到了广泛的观注，主要是 冈为：其一，神经网络表现出对任意的定义在一个紧支集上的非线性函数在给定精度下的 任意逼近能力：其二，大多数控制系统均表现出某种未知非线性特’瞰1H2】．且许多方法 己成功地研究出来．并己取得了许多成功的应用。诸如化学处理、加工系统、机器人、自 P网络，由丁-B 动导航、造纸等行业。所采用的网络大多数为B P网络的收敛速度馒、运 算量大、且极易产生局部极小，很难适用于类似转台的快速随动系统。而最近出现的径向 B 基函数网络克服了BP网络的缺点，其中最具代表性的是高斯基函数网络(RF)，该 B 网络具有运算量小、收敛快、不会产生局部极小等优点[3】-[4】。尽管RF网络运算量比 B I P网络小，但较传统的控制方法如P D、前馈、模型参考等方法运算量仍较大，实时 性仍难保证。因此，如何结合传统的控制方法，减少神经网络的运算量以保证系统的实时 性要求，是一个需要解决的问题。针对这个问题，本文采崩单神经元做控制器．构成了辩 识、控制双神经网络的控制方案，解决了神经网络高精度与实时性差的矛盾。 l 转台的神经网络控制系统 转台的神经网络控制系统如图1所示，其中，∽为位置环给定信号，u(t)为控制器输 出电压，TR提供NNc的控制输入信号。NNC、Nlm分别为神经网络控制器和神经网络 辩识器。Dl、D2为两个延迟环节，以得到系统输出y(t)及控制器输出u(t)前几个时刻的 值，作为NNI的辩识输入信号。歹(r)为M岍的输出，e，(，)为系统输出与辩识输出之筹。 55 PLANT为转台的速度环。 图l神经网络控制系统 2辩识网络NNI的参数潮-}算法 2．1 RBF神经网络 多入单出RBF网络结构如图2所示。其中Ⅳ=[z．，x2…·-_】7为网络的输入向量。 睁xp(-掣) i=l，2…m ^=[^，红，魄……‰】7为RBF的径向基向量，其中 为高斯基函数。 c，=[q。，c2，……％，】7为节点i 的中心矢量。 f=[c1，c2…c，…c，]7为网络中 烈， 心矢量，6。为节点i的基宽度参 —— 数，且为大于零的数。 设网络的基向量为 6=【6l，62…··6。】7。网络的权 图2RBF网络结构