基于BP神经网络的模型参考自适应控制.pdf

第36卷 第5期 西 南 交 通 大 学 学 报 Vo1．36 Ns 5 2001年l0月 ．IOURNAL OF SOUTHWEST JIAOTONG UNIVERSrrY Oct 20ol 文章编号：07．．58-2724(2001)0547553-04 基于BP神经网络的模型参考自适应控制 沈 瑛， 张翠芳 (西南交通大学计算机与通信工程学院，四川 成都610031) 摘 要：基于BP神经网络的谩差反向传播机制，探讨了建立在BP神经网络基础上的模型参考自适应控制方 法。该方法用2个BP神经网络分别作辨识器和控制器，其中辨识器兼作间接传递误差的通道．从而解决了控制 器权值的修正问题。仿真结果表明．经过学习该控制结构具有较好的有效性。 关键词：自适应控制；仿真；神经网络；模型参考 中图分类号：TP183；TP273 ．22 文献标识码：A Model Reference Adaptive Control Based on BP Neural Networks SHEAr Ying， ZHA／vGCui ng (Schod ofComputer and Comm Eng．SouthweM Jiaotong University，Chengdu 610031，China J Abstract：A scheme of model reference adaptive control based on BP neural network is presented in this paper．Two BP neural networks are used to identify and c0ntr0l unkno~m plants Since a BP neural network has the properties of forward propagation of message and backward propagation of elTOl~，the parameters of a network can be modified to get proper values．The BP identifier is also used as a channel for error propagation Simulation results show the effectiveness of the proposed scheme Key words：adaptive control；simulation；BP neural networks；model reference 人工神经网络具有非线性映射、自适应学习、并行处理和多输人多输出能力 ，为非线性系统的控 制提供了新的思路和选择。神经网络控制已成为一种新的控制手段 。BP神经网络比较成熟，对非线眭 受控对象进行基于神经网络的模型参考自适应控制简单易行。但由于对象特性往往未知，导致控制器误 差不能直接得到 。本文中介绍采用BP神经网络的误差反向传播特性解决控制器权值修正问题。 1 BP神经网络模型参考自适应控制的结构 采用的BP神经网络模型参考自适应控制结构如图l所示。圈中，NNI为BP辨识器；NNC为BP控制 器；r为输入序列；“为控制器输出序列；y 为对象输出序列； 为模型参考输出；，．为辨识器输出序列；z 为单位时延 (i=0，1，2)分别为实际输出与期望输出之间的误差。 注意到BP神经网络的初始权值是随机设定的，网络最初段有被辨识对象的任何特}生信息，所以必须 对网络进行学习，根据一定的规则修正权值，使其逐步适应被辨识对象的特性 辨识学习分在线和离 线两种方式 。NNC的偏差不能直接得到，只能借助NNI间接得到，这相当于2个BP神经网络的串接。 这时若直接采用在线方式，不但学习时间长，而且不容易收敛。而离线辨识能使网络在系统工作前预先完 成学习过程，减少系统出现过大波动的可能，但因其学习集很难覆盖所有可能的工作范围，且难以适应系 统运行中的参数变化，故仅采用离线辨识还往往达不到要求。因此，先对NNI进行离线辨识