气动位置伺服系统的在线辨识和控制.pdfVIP

气动位置伺服系统的在线辨识与控制 气动位置伺服系统的在线辨识与控制 西南交通大学(610031)张军芳 哈尔瘊工业大学(150001)许耀铭 摘要基于提出的递归多层神经网络，进行了气动住置伺服系统的在线辨识和控制的实验研究。实验 结果证明了本文采用的辩识和控制方法对于气动住置伺服系统这样很难建模的强非线性系统是完全可行 的．并给出了与传统PIP控制比较的实验曲线。 关键词气动脉宽调制位置伺服在线辨识递归神经网络 由空气的压缩性引起的低刚性是气动执行元件 矗，(≈)——在时间k从第j层第』个神经元到本 的特点，显然这个特点对于力控制是有利而对位置 层第f个神经元的反馈连接权值。 和速度控制是不利的。但是若想更好的利用气动执 行元件．首先必须确保某种程度的位置和速度控制。 气动执行元件的位置控制和速度控制是一个既古老 又基本的问题。为了能用伺服方式实现位置控制和 速度控制，如何补偿由空气的压缩引起的压力响应 延迟、摩擦力和负载外力变动的影响，就成为一个重 羹》 要的研究课题。另外，还要考虑由控制阀的压力流 图1递归多层神经网络结构 量特性引起的非线性特性。对于气动位置伺服系统 在数学上，第s层的第i个神经元在时刻k的运 的研究已经存在了许多研究…。这些研究中应用了 算方程为 从基本的状态反馈开始的、最优控制、自适应控制、 可变结构控制、利用干扰观测的鲁棒控制等现代控 拶”1、 制理论，而且应用模糊控制和神经网络控制等学习 型控制的优点也不断地被显示出来。 l之．， s=M 【三百1(I)对-1(^) 神经网络应用于非线性动力学系统的辨识和自 (1) 适应控制已经存在了大量的研究拉』。提出的方案主 其中，假定神经元的域值已包含在连接权值中， 要集中在基于梯度下降算法的静态前馈神经网络 上，由于这种方法需要假定动力学系统的阶或延迟， 习算法采用了Lm等推导的全解耦推广Kalman滤 使静态网络在控制领域中的应用受到限制，为此，本 波学习算法…。 文利用提出的递归神经丽络对于阶未知的非线性对 为方便起见，本研究使用单输人一单输出 象或具有未知延迟的系统的辨识能力协j。对气动 (SL。O)X9象说明利用P,blhN建模动力系统的思想。 设u(七)和y。(月)表示SISO对象的输人和输出，这里 PWM位置伺服系统进行了在线辫识和控制研究，实 主要考虑串并联模型，因为它可以产生稳定的自适 验结果表明本文采用的辨识和控制方法对于气动伺 应律。此时。RblNN具有2个输入节点和1个输出节 服这样一个强的非线性系统是完全可行的。 点，以及一些隐含层递归节点(见图2)。 1递归多层神经网络fm￡NN)结构及其动力学 递归多层神经网络(m口州)的结构如图l所示。 在描述网络动力学上使用如下符号 肘——包含输入层和隐舍层的总层数； n广第，层的神经元数，1≤s≤村； x：(^)～在时间k的第s层第i个神经元的输 图2利用RMNN的串并联辨识模型