控制系统仿真作业.pdfVIP

基于 Hopfield 神经网络的二阶系统参数辨识 1. 问题的产生 对于一些复杂的控制系统，人们很难从理论上得到它们的数学模型，在大多数情况下我们只了 解它们的一般形式或者其中的某些参数，甚至有的时候连它的形式也不知道。 面对这样的情况，人们唯一能做的就是不断的收集数据，并希望从这些数据中提取到相同或相 似问题的答案。 人们确信存在某种过程， 尽管不清楚过程的细节， 但是知道数据的产生不是随机的， 偶然中往往有必然。通过使用实例数据或过去的经验训练 Hopfield 神经网络，可以使计算机对新的 实例能够智能识别或者做出预测。 本文主要是运用 Hopfield 神经网络的方法辨识二阶线性系统的状态方程。通过使二阶系统的辨 识误差函数近似等于 Hopfield 神经网络的能量函数， 达到使误差函数收敛于某个极小值的目的。 此 时，所得到的观测器的值就是所要估计的参数。 2. 问题的建模 2.1 系统的描述 设二阶线性系统的状态方程为 ? x Ax Bu ?? ?? ?? ?? 11 12 21 1 其中， A 、B 为待辨识的参数矩阵， A = [ ] ，B = [ ?? ] ，x 为状态向量， x = [ ??] ，u 是 ?? ?? 2 21 22 22 [?? ?? ?? ?? ?? ?? ] ?? 单个控制输入。 取待辨识的参数向量为 P = 11 12 21 22 21 22 ，因此只要辨识出向量 P 就可以估计出二阶线性的系统的参数向量 A 和 B 。 2.2 观测器设计 为了方便设计出二阶线性系统的误差函数，建立一个与系统状态方程对应的观测器。状态偏差 为系统实际值与观测器值之差。当状态偏差达到一个极小值时，可以认为，观测器的值就是所要估 计的实际系统的值。 用于辨识的可调系统即观测器的状态方程为 1 ? x = Fx+Gu p a11 a12 b21 其中， F= ,G= ,观测的参数向量为 a21 a22 b22 T T V= a a a a b b v v v v v v 11 12 21 22 21 22 1 2 3 4 5 6 因此，所得的状态偏差变化率为 ? ? ? e = x x p =Ax+Bu-(Fx+Gu)