基于粒子群优化地Elman神经网络无模型控制.PDFVIP

第 １１卷第 １期　 　 　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．１１№．１ ２０１６年２月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 Ｆｅｂ． ２０１６ ＤＯＩ：１０．１１９９２／ ｔｉｓ．２０１５０７０２５ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１５３８．ＴＰ０８３７．００４．ｈｔｍｌ 基于粒子群优化的Ｅｌｍａｎ神经网络无模型控制 １ １，２ ２ 张俊玲 ，陈增强 ，张青 （１．南开大学计算机与控制工程学院，天津３０００７１；２．中国民航大学理学院，天津３００３００） 摘　 要：针对一类无法建模或是建模过程比较复杂的离散ＳＩＳＯ非线性离散系统，提出了一种基于Ｅｌｍａｎ神经网络和 粒子群优化算法的无模型控制方法。 该控制方法是在无需知道被控对象动力学模型的情况下，以Ｅｌｍａｎ神经网络 作为控制器结构，利用粒子群优化算法在线学习控制器中的所有权值参数，既而得到每一离散时刻的最优控制量。 仿真研究表明，该方法控制下的非线性系统输出信号具有较快的反应速度和较小的跟踪误差，同时控制量信号有较 好的收敛性与控制精度，这说明了所提出的基于粒子群的Ｅｌｍａｎ神经网络无模型控制方法是有效与合理的。 关键词：非线性系统；非线性离散系统；无模型控制；控制器；Ｅｌｍａｎ神经网络；粒子群优化算法 中图分类号：ＴＰ１８；ＴＰ３０１．６　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１６）０１⁃００４９⁃０６ 中文引用格式：张俊玲，陈增强，张青．基于粒子群优化的Ｅｌｍａｎ神经网络无模型控制［Ｊ］． 智能系统学报，２０１６，１１（１）：４９⁃５４． 英文引用格式：ＺＨＡＮＧＪｕｎｌｉｎｇ，ＣＨＥＮＺｅｎｇｑｉａｎｇ，ＺＨＡＮＧＱｉｎｇ．Ｅｌｍａｎｍｏｄｅｌ⁃ｆｒｅｅｃｏｎｔｒｏｌｍｅｔｈｏｄｂａｓｅｄｏｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉ⁃ ｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ，２０１６，１１（１）：４９⁃５４． Ｅｌｍａｎ ｍｏｄｅｌ⁃ｆｒｅｅ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ １ １，２ ２ ＺＨＡＮＧＪｕｎｌｉｎｇ ，ＣＨＥＮ Ｚｅｎｇｑｉａｎｇ ，ＺＨＡＮＧ Ｑｉｎｇ （１． Ｃｏｌｌｅｇｅ ｏｆ ＣｏｍｐｕｔｅｒａｎｄＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｋａｉＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７１，Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅｏｆ Ｓｃｉｅｎｃｅ，ＣｉｖｉｌＡｖｉａｔｉｏｎＵ⁃ ｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎａ，Ｔｉａｎｊｉｎ ３００３００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｉｓｐａｐｅｒ，ｗｅｐｒｏｐｏｓｅａｍｏｄｅｌ⁃ｆｒｅｅｃｏｎｔｒｏｌ ｍｅｔｈｏｄ，ｂａｓｅｄｏｎｔｈｅＥｌｍａｎｎｅｕｒａｌ ｎｅｔｗｏｒｋａｎｄｔｈｅｐａｒｔｉ⁃ ｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ，ｆｏｒ ａ ｃｌａｓｓ ｏｆ ｓｉｎｇｌｅ⁃ｉｎｐｕｔ ｓｉｎｇｌｅ⁃ｏｕｔｐｕｔ （ＳＩＳＯ） ｄｉｓｃｒｅｔｅ ｎｏｎｌｉｎｅａｒ ｓｙｓｔｅｍｓ， ｗｈｏｓｅ ｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｃａｎｎｏｔｂｅｅｓｔａｂｌｉｓｈｅｄｏｒｉｓｎｏｔｅａｓｉｌｙ ｍｏｄｅｌｅｄ．Ｉｎｔｈｅｍｏｄｅｌ⁃ｆｒｅｅｃｏｎｔｒｏｌ ｓｙｓｔｅｍ，ｉｔｉｓｎｏｔ ｎｅｃｅｓｓａｒｙ ｔｏ ｅｓｔａｂｌｉｓｈ ａ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌｆｏｒ ｅａｃｈ ｏｂｊｅｃｔ．Ｔｈｅ Ｅｌｍａｎ