非线性系统的直接自适应控制方法的研究.pdfVIP

非线性系统的直接自适应控制方法研究 非线性系统的直接自适应控制方法研究 刘建章卢秉恒王平表镇沪 (西安交通大学) 攘鬟奉文研究基于神经网络实现直接自适应控制的方法，通过修正的BP算法解决丁存在未知特性时由 系统输出直接调节控制器的问题，推导了应用于一般耒知系统的备件． 差■词神经网蝽 自适应控制 非线性 BP算法 1． 引言 在自适应控制领域，任何对系统的控制最终都归结为两种方法：一种是间接自适应控制，它 通过系统辨识获取对象的数学模型，再根据一定的设计指标即控制要求设计控制器，这种基于 系统辨识理论的间接自适应控制至少在线性系统领域取得了显著的成就，但对一般的非线性及 参数突变仍无能为力：另一种是直接自适应控制，它赢接运用被控系统输出结果来调整控制器 的内部参数，以使系统输出达到期望的效果，这种方法简捷直接，没有复杂的过渡转换环节，可实 现对系统最有效的控制。然而在调节控制器时，必须首先由系统输出反向传递到系统可控输入， 才能运用一般的参数调节方法，而未知系统特性不可能事先精确预知，所以自适应控制理论在 这个方向一直进展甚微…。神经网络具有高度非线性映射能力和强大的学习适应能力以及特 殊的分层结构，它使直接自适应控制方法的实现成为可能f23】。本文研究基于神经网络的蛊接自 适应控制实现算法及其应用条件。 2．基于神经网络实现直接自适应控制的方法 2．1基本方法 考虑如下多输入多输出(MIMo)非线性系统 r=砌 (1) 控制器采用神经网络，如将系统看作网络的附加层，则可将被控系统和控制器在总体上视 为一个广义神经网络，从而为BP算法的应用创造了条件。网络附加屡的特点是：它是一个固定 层．只起前向传播产生输出及反传误差的作用，其权值可看作系统Jacobian矩阵的各分量，不可 修改【2．31,为了充分考虑系统的动态特性，本文将系统输出Y及系统可控输入u的历史信息反 馈回神经网络输入端，所以神经网络输入模式由系统理想输出向量 以．-．’re-n)]组成，图】为其作为控制器实现直接自适应控制思想的广义神经网络结构。 可控输入误差P“御=udm．L¨，由于(，r”是控制器输出，故e“p也称为神经网络输出误差。‘传统 。，～ t RP技术与快速模具制造 想控制输入量觇榭未知，故eu(t)也是未知的，所以觑形也是未知的，|疑有秒彬是已知的，因此如 何根据∥∥来训练神经网络是问题的芙键。基于系统输出误差的代价函数应修正为： E，(f)=÷∑8，，2(f)=寺∑【，。(f)一y，(f)】。 (2) ‘f=／ ‘』一1 豳1广义神经网络的正向传播过程与传 Ydlffhd) t J=l k=l l-1 统的BP方法完全相同，神经网络控制器各层 Yd(0ydo(t+d) 樾j№一WJIoID 输出可由BP算法计算得出，附加层各节点 ylc卜1) 的输出(即系统输出)为 川一“”5薹州f)器p’ yl(t-tO 对于一般未知系统，其Jacobian矩阵 鳓倒／a以)?未知，故系统输出yKt)不可由上 式计算出，但可实际测量得到，从而计算出系 统输出误差代价函数毋似。 广义神经网络的误差反传修正过程也与 q 传统BP算法类似，只是对于附加层，其权值 国，，似／a女御，不可修改，只提供系统输出误差 钞∞转化为控制输入误差eu彤的通道，其规