基于动态递归神经网络的动态矩阵控制.pdfVIP

2001年 第25卷 石油大学学报 (自然科学版) 25 No 3 第 3期 』(mm oftheUniversityofPetroleum ．China Jun2001 文章编号：1000．5870(2001)03—0077—03 基于动态递归神经网络的动态矩阵控制 李 峰，李树荣 (石油大学 自动化系，山东东营257061) 摘要 ：给出了利用动态递归神经网络(DRNN)重构一个非线性动态过程的方法，对权值调整算法进行了推导。 采用的动态递归神经网络具有非线性系统状态观测器的结构特征，容易实现并进行稳定性分析。利用训练好的网 络作为预估模型，设计了基于DRNN的动态矩阵控制算法。仿真结果表明了权值调整算法和控制策略的有效性。 关键词：非线性系统 动态递归神经网络；动态过程的重构；预估控制 中图分类号：TP13 文献标识码：A 部输入。 1 非线性动态过程的重构 如果权值距阵 w 是对称的，且对角线元素为 许多实际控制系统，其状态方程可以表示成为 零，那么，此阿络为Hopfield型网络，方程(3)是全局 {l主，(，“，z∈Rn,“∈尺， (1)渐近稳定的；如果权值矩阵 W 不是对称的，采用状 Y= Cx，Y ∈R ． 态变换q：∑wi,,xi，可将网络转换为Hopfield型 假定f(o，0)=0。可将式(1)写成如下表达式： 的动态网络，此时系统也满足全局渐近稳定性。 jl 枷 g‘)’ (2) 考虑系统(2)并假定[A，C]能观测。那么，可构 Y = 造一个矩阵L使得 (A—LC)具有互异的负实特征 其中， 根。这样系统可写成 A= l(010，B= ， o72= (A—LC)32+Bu十g(32，“)+LCz． g=O( 。)， (4) p= (0z0+』“0) ，Ⅱ0 假设在一个适当的坐标下，(A—LC)具有对角 如果[A，C]能检测，那么可以将式 (2)构造如 化的形式，即 下一个状态观测器 【11： (A—LC)=diag(一 1， 2，…， )， 0． 构造如下一个递归神经网络。神经元的个数可 I主=A；+Bu+g(；，“)+L(Y—CA-)， 以有很多，令输出层的神经元个数为 ，记状态量为 l；= ． 32‘ ， i：1，…，Ⅳ。网络 (输出层)的动态方程为 此观测器当 = ．27 呈在很小的范围内有效，即误 差方程满足局部渐近稳定性。 主=一惦 + (∑wi；：5‘)+L+ 一 个基本的动态递归神经网络可以用如下的一 组非线性微分方程描述： ∑6 ∑(Lc) ，i=1，…， (5) = 1 = 1 警=一。丹+肌(∑”) ． (3)其中，(Lc)：妻 ％