基-重庆大学期刊社.PDFVIP

1996年 9月 重庆大学学报 (自然科学版) VOt．1 9．№ ． 5 第 19卷第4期 J(Ju?rlal of ChonBqing Un JVe rslty(Natu ral Science Edition) Sep．t 9 R 占～a r ／， ． ／ 、 于动态神经网络的人工环境自适应控制 基 Adaptive Control of Artificial Environments Based on Dynamic Neural Networks ；文 张 邦 礼 叶 仲泉 杨 映 林 曹 长修 Zhang Bangli Ye Zhongquan Yang Yin g1in Cao Changxlu (重庆大学自动化系．重庄 630041 F第一作昔54岁，女．副教授) 厶 ‘ 摘 要 本文将动态BP网络应 于震输入双输出非线性耦台系统的自适应控制，并 利用递归最小二乘法(R／S)来训练该网络．RLS算法具有收敛速度快．抗噪声能力强等优 点，还避免了常规BP算法中学习率选取困难的缺点。 关键词 丝 垫； 三至 自适应控札 中国图书资料分类法分类号 TP273．2 ABSTRACT This paper investigates the adaptive control of nonlinear and coupling systems with dual inputs and dual outputs using dynamic BP neural network．Recursive Least Square~(RLS) algorithm is applied to train the network．It is well known that RLS algorithm has fast speed of con vergence and has good robustness against noise and d拓turban。e．The new algorithm also overcomes the difficulty of de~rmine step size for conventional HP alsorithm． KEYWoRDS neural networks：artificial envifoments：adaptive control 我们在研究“人工环境试验控制系统”时发现．密闭空间中的温度和湿度这两个变量是 一 类典型的双输入双输出系统，它集中了控制工程中的几大难点——非线性．滞后和耦台， 而且在工业控制系统中很具有代表性。对于这样一类多输入多输出(MIMO)系统， 于问题 的复杂性，要建立精确的数学模型和设计出稳定可靠的控制器是十分困难的。为这类MIMO 非线性和耦合系统设计一种切实可行的．并且不完全依赖于对象数学模型的控制方法，正是 本文的研究目的。 神经网络理论近年来取得了突破性进展，在许多领域得到了广泛的应用，这也为解决 MIMO非线性耦合系统的控制提供了强有力的新手段。多层前向网络具有逼近任意非线性 函数的功能 ]，但它不是动态系统．因而仅仅实现了一个静态映射0 ，它是目前研究得最多 和应用最广泛的网络之一，误差反向传播算法(EBP)是多层前向网络中基本的算法．它本质 + 收文日期 1995-1t-,O1 高等学校博士点基金资助课题 第 【9卷第5期 张邦礼 等 基干动态神经网结的人工环境自适应控制 l7 上是一种梯度最速下降算法，所以收敛速度太慢且存在局部极小问题。另外．BP算法中学习 率(步长)的选取十分困难．无任何理论指导，只能靠经验和仿真结果，如果步长取得