纯滞后系统的逆动态模型复合控制.PDFVIP

纯滞后系统的逆动态模型复合控制 潘玉民，等 纯滞后系统的逆动态模型复合控制 !# $%#’(# )*%+,-. /01#2 30,405%1 30%6’02 70’ )#+1 !-,# 8*(6#, 潘玉民 永智群 林亭生 （华北科技学院，北京 !!#!） 摘 要 提出了一种基于小脑模型神经网络的纯滞后对象控制方案。该方案通过在线学习被控对象的逆动态模型，利用前馈控制原 理实现快速跟踪控制，克服了传统的$%’( 控制方法的不足。该方法具有不需建立精确模型、响应快速和鲁棒性强等特点。仿真结果 表明控制器具有优良的品质。 关键词 )*+) 逆模型 纯滞后 ， !#$%’$ ,-./0 12 )*+) 2/34-5 2/’6147 - 812’415 .’4-’/9: ;14 0/-0 ’%/ 1=/8’ . 411./0? @(/ .’4-’/9: 4/-5A/0 ;-.’ ’4-8729 812’415 : 3.29 ;//0B ’ ， ;146-40/0 812’415529 4285/ -20 12B52/ 5/-4229 1; 1=/8’ . 2C/4./ 0:2-%8 %10/5 -20 1C/481%/ ’(/ .(14’-9/ 1; ’4-0’12-5 $%’( 812’415 %/’(10? ,: ， ’(. 6-: ’ . 322/8/..-4: ’1 350 3 ’(/ -8834-’/ %10/5? D’ 1;;/4. E387 4/.12./ -20 (9( 413.’2/..? @(/ 4/.35’. 1; .%35-’12 .(16 ’(-’ ’(/ 812’4155/4 . 2 /F8/55/2’ E3-5’:? ()*+,%-# )*+) D2C/4./ %10/5 G/-0 ’%/ 调量和调节时间，系统的稳定性和动态品质明显变 . 引言 差。基于$%’( 预估补偿器的模糊控制和神经元控 近年来小脑模型神经网络（)*+)）的应用受到了 制方法较好地解决了这类问题，但由于受到 $%’( 模 普遍关注，其主要特点是学习速度快，可比 神经网 型要求而存在一定的局限性。 ,H ［］ 络的学习速度快约I J K 个数量级 ! ，因此特别适合于 本文基于复合控制的思想，尝试采用小脑模型神 实时控制。)*+) 能够实现直接逆运动控制、任意非 经网络实现纯滞后系统的逆模型实时控制，有效抑制 线性函数映射等，是一种具有广阔发展前景和竞争力 被控对象的滞后及不确定因素，使输出快速复现输入， 的神经网络。 提高系统的动、静态品质。 逆模型控制是一种新型的控制策略。它是利用 / 控制原理 被控对象的逆模型与原模型串联组成一种伪单位系 系统结构原理如图 所示。控制器由小脑模型神 统，从而达到快速复现输入信号的目的。获得被控 ! 对象的准确逆模型并作为前馈控制器可显著提高快 经网络和常规控制器（)*+) L HG）组成。常规比例M 速跟踪能力，同时逆模型中含有被控对象的全部信 微分控制器实现反馈控制，使系统稳定并抑制干扰。 息，如非线性、时变参数、强耦合及不确定因素等，可 )*+) 实现前馈控制，采用监督学习算法训练网络，使