关于模糊神经网络的双吊点闸门同步控制的研究.pdfVIP

基于模糊神经网络的双吊点闸门同步控制的研究 Research of Synchronous Control for the Double Hanging Point Gate Based on Fuzzy Neural Network 吴亦锋 何善君 师海风 郭少华 摘 要 利用一种改进的模糊神经网络实现双吊点闸门的同步控制。这种方法把模糊控制和神经网络 相结合进行控制系统的建模。与传统的PID 控制方法相比，该控制方法具有自学习和自适应能力， 提高了闸门同步控制的精度，增强了系统的抗干扰能力。 关 键 词：闸门；同步控制；模糊神经网络 Abstract: An improved fuzzy neural network can be developed to implement synchronous control for the double hanging point gate. This way combines fuzzy control with neural networks to build the model of control system. As compared with conventional PID control way, this one has self-taught and adaptive ability, increases the accuracy of synchronous control for the gate and improves the system’s resistance to disturbance. Key words ：Gate；Synchronous Control；Fuzzy Neural Network 1 引 言 液压运动系统中的同步控制常常是使控制对象的特征尽可能一致来实现，例如零相位误差跟踪 的同步控制[1] [2] [3] 、各控制轴相互制约的同步预见控制 以及位置差反馈最优同步控制 等，这些控制方 法解决了同步运动中的若干问题。但由于在实际的控制过程中，许多被控过程机理复杂，具有高阶 非线性、慢时变、纯滞后等特点，很难建立起精确的数学模型，为此本文介绍一种把神经网络和模 糊系统两者相结合起来的控制算法：改进的模糊神经网络算法[5] 。该算法充分利用模糊控制技术的 1 抗干扰能力以及神经网络良好的自学习、自组织、自适应等功能，应用于双吊点闸门液压启闭系统 的同步控制，取得较好的控制效果。 2 模糊神经网络 （1）改进的模糊神经网络 模糊控制是一种语言逻辑控制器，它特别适用于那些精确数学模型难以获得或者具有变参数、 非线性等特点的工业过程或设备的控制。模糊控制器的模糊推理靠的是模糊矩阵的乘法，它一般采 用“max ”或“min ”或“交”算子进行隶属度的运算。用这种方法综合经验规则时，不可避免要忽 略一些因素，影响了控制效果。特别是控制规则含有不一致甚至错误成分时，这种推理方法表现出 明显的不足。 人工神经网络是一种高度非线性的系统，它不是建立在逻辑推理的基础上，而是建立在自学习 和图形处理的基础上。因而即使在逻辑上不能明确表达的问题，它也可以通过学习得到正确的答案。 它对输入数据可以自适应，并可以修正它本身的误差和改变对输入数据响应的特性。 可见这两种技术具有互补性，若把两者结合起来，可为模糊逻辑控制引入学习机制，并自动生 成模糊控制规则，同时也给神经网络带来很多优点如泛化能力和容错能力。改进的模糊神经网络就 是基于这种思想提出的。 对复杂系统的建模有很多方法，但现有的模糊神经网络方法的主要缺点是模型精度不高，且训 练时间太长。为此，本文采用一种改进的模糊神经网络模型。该模型具有明显的物理意义，精度高， 且收敛速度快。 改进的模糊神经网络为一个四层网络，如图1 所示。 图1 改进的模糊神经网络模型