一种基于双误差的神经网络自适应控制系统.pdfVIP

2005年全国自动化新技术学术交流会会议论文集 一种基于双误差的神经网络自适应控制系统 栾小丽，刘飞 (江南大学自动化研究所，江苏无锡214122) 摘要：本文研究一类非线性神经网络自适应控制系统，提出一种基于双误差——辨识误差和跟踪误差 的新控制方案。采用BP算法设计神经网络以辨识其非线性环节。一般的神经网络自适应控制系统不 考虑辨识误差对控制精度的影响，本文将系统的跟踪误差也引入反馈回路形成双误差控制，来及时地 修正控制器的权值，以提高控制精度。仿真结果验证了该方案的有效性。 关键词：神经网络；白适应控制；BP算法；双误差 中图分类号：TPl83 文献标识码：A 0引言 对于参数时变或未知的线性系统，自适应控制是较为有效的控制方法。传统的自适应控制13I是 基于线性模型的，因此只能处理线性时变或参数未知以及少数几种特殊形式的能在工作点附近线性 化的非线性系统。对于工程上遇到的许多复杂的非线性系统，传统的自适应控制则显得无能为力： 首先，很难找到合适的不确定非线性动态的模型结构；其次，不存在一般形式的自适应控制律，不 同的非线性系统其自适应控制律差别很大。人们一方面尽量利用现有的自适应控制理论来处理非线 性系统的自适应控制问题，另一方面在努力寻找新的思想和方法。 1基于双误差的神经网络自适应控制 神经网络的出现，特别是其对一般非线性函数的逼近能力，给非线性系统的自适应控制带来了 究受到了人们的普遍重视，不同的作者提出了各自不同的控制策略和算法。文献【4，5】(如对于单 控制器，同时证明了在一定条件下采用BP算法训练的前向网络组成的自适应控制系统具有局部稳 定性。文献f6，7j用加死区的13P算法来调节网络权值，得到的自适应控制系统具有跟踪误差有界， 调节参数不发散的特点。但是在神经网络辨识系统参数时，都存在辨识误差，这样势必会造成基于 神经网络而设计的自适应控制系统的跟踪误差直接受神经网络参数辨识误差的影响，怎样才能减小 这种影响，获得更好的控制效果，本文对此进行了研究。 Y．甜∈R。 控制目标就是设计控制器甜，使得闭环系统的输出Y能跟踪如下期望参考模型的输出： 为参考输入。 1 令理想控制器为： 若 D 1 作者筒介：栾小丽(1979一)，研究方向为神经网络在控制系统中的应用· 2005年全国自动化新技术学术交流会会议论文集 始终存在着逼近误差，该控制器的效果不令人十分满意。 本文采用由自适应神经网络构成的控制系统，并引入误差补偿环节，形成双误差来提高控制精 度，从而减小跟踪误差。整个系统的逻辑结构如图一1所示。由图可知，Jv(x)向g(x)的逼近是通过 el反馈来调整其参数的，并没有直接利用系统的控制目标偏差e作为反馈校正信号，其控制效果有 所欠佳，即单独的控制作用甜Ⅳ(七)还不能达到十分及时且准确的控制目的。当引入了误差补偿环节 后，整个闭环系统便形成了双误差(el、e)控制，将控制目标偏差e引入反馈回路，使得控制更 加及时、准确。 图1带误差补偿的自适应控制系统 1．1神经网络自适应控制系统 神经网络自适应控制分为直接自适应控制和间接自适应控制两种。在直接自适应控制系统中， 因为未知对象位于控制器和输出误差之间，在对象的模型未辨识之前无法计算系统的雅可比矩阵， 所以至今还没有一种方法可根据过程的输出误差来直接调整控制器的参数使误差最小。本文采用的 是间接自适应控制，在这种结构中首先离线或在线地辨识过程的输入一输出动态特性，然后利用获 得的辨识模型进行自适应控制。 间接自适应控制的任务是确定控制信号{“(k)}，使得相同参考输入下对象的输出y(七)与参考 数【81。 在间接自适应控制系统中，网络采用多层前向神经网络，包括输入层、隐含层、输出层，学习 算法是基于万学习规则的BP算法，多层前向神经网络的拓扑结构和网络节点的激活函数如下： 输入层： O。=厂【Ⅳ，)，N，=X。