基于模糊小波网络模型参考自适应逆控制系统设计.pdfVIP

第十七届中国过程控制会议论文集 基于模糊小波网络模型参考自适应逆控制系统设计 1 2 1 杨瑞 ，王巍 ，张延宗 （1. 交通部水运科学研究院， 北京 100088； 2.长安大学建筑工程学院，陕西 西安 710061） 摘要：针对复杂非线性系统，提出一种基于模糊小波网络的复杂非线性自适应逆控制系统的设计方案， 该方案选用两个神经网络，分别作为系统模型的辨识器和控制器。为了减小系统误差以及加性噪声的影 响，引入噪声滤波环节，以实现对扰动的实时消除。仿真结果表明，设计的系统具有较强的自适应能力、 自学习能力和鲁棒性，进而通过倒立摆控制实验，其控制性能与文献[5]所得结果比较有明显改善，说明 该设计方案是合理有效的。 关键词：复杂非线性；自适应逆控制；模糊小波网络；噪声滤波 0 引 言[2] [4 ] 在控制领域中，由于大多数被控对象均具有非线性、不确定性和参数时变性，难以建立它的精确 数学模型，从而影响控制系统的设计和控制效果。近年来，神经网络、模糊技术与自适应逆控制技术 的发展为解决此类问题提供了有效途径。本文提出一种基于模糊小波网络的模型参考自适应逆控制系 统的设计方案。在该方案中，利用小波变换和模糊神经网络的优点，通过训练能自适应地调整小波基 的形状实现小波变换，使其具有良好的函数逼近能力，在系统中用作辨识器；针对被控对象具有不确 定性和参数时变性的特点，将辨识出的模糊小波神经网络的逆模型作为控制器，以便充分发挥模糊逻 辑对非精确、模糊信息的强大处理能力；针对被控对象存在的实时扰动，设计了噪声滤波器，从而实 现了对扰动的有效抑制。 1 模型参考自适应逆控制 模型参考自适应逆控制 [4] 是用自适应滤波器辨识出被控对象的逆模型，将其串联到被控对象的输 入端作为控制器控制对象的动态性能，如图 2-1 所示。在自适应迭代过程中控制器只改变其参数，并 不控制主回路中的信号流动，不存在由输出到输入的闭环，是一种典型的局部反馈控制方式，从而避 开了复杂非线性系统的主回路信号流动问题；此外，自适应逆控制系统中的动态特性控制与消除扰动 控制可彼此独立、互不影响，可以尽最大可能提高各自的性能，与传统的反馈控制和自适应控制在原 理上截然不同。 1.1 模糊小波神经网络辨识器 设 SISO 离散时间非线性系统的表达式为 y (k + 1) f [y (k ), y (k ? 1), Ly (k ? n + 1), u(k ), u(k ? 1), Lu(k ? m + 1)] （2-1-1） 文献[6]已经证明模糊网络能逼近任意的非线性系统，但其隶属度函数采用的是高斯形式，参数不 易调整；而模糊小波网络是以小波函数为其隶属度函数，具有良好的尺度变换和伸缩平移特性，参数 [3] 调整较容易。辨识器的网络结构由四层组成 ，是一个简化的 T-S 模糊推理模型，通过训练，它能自 动地调节隶属度函数和模糊控制规则。用神经网络辨识系统模型通常有两种结构，即并联型结构和串 并联型结构。由于串并联型结构有利于保证辨识模型的收敛性和稳定性，因而被本文采用，其输入量 为x [u(k ), y (k )] 。其各层节点的输入输出关系表达式详见文献[5]。 作者简介：杨瑞（1979-），男，宁夏石嘴山市人，工程师，自动控制技术及港机电气设计. 23 第十七届中国过程控制会议论文集 1.2 模糊小波神经网络控制器 在神经网络模型参考自适应逆控制系统中，神经网络控制器的设计实际上是基于系统广义逆模型 的方法。对于式（2-1-1）所示的 SISO 离散非线性系统，假定系统满足可逆性条件，即对任意两个不 同的输入u (k) 和 u (k) ，都使得 1 2 f [y (k),L,y (k ?n + 1),u (k)