针对纯滞后系统神经网络Dahlin控制的研究.pdfVIP

针对纯滞后系统神经网络Dahlin控制的研究文定都

针对纯滞后系统神经网络Dahlin控制的研究

ResearchonNeuralNetworkDahlinControlforDeadTimeSystem

支定都

(湖南工业大学冶金校区电气工程系，湖南株洲412000)

摘要：针对传统的基于Dahlin算法的控制器在大惯性、纯滞后、时变性、非线性对象的控制效果不佳，甚至发生不稳定现象的弱点，

提出了以CMAC神经网络与Dahlin算法相结合的控制方法。以CMAC神经网络作为一个前馈控制器，实现时滞系统的自适应稳定控

制。仿真实验表明，这种复合控制方法保留了Dahlin算法与CMAC神经网络的各自特长，同时具备学习速度快、适应能力强的优点，

具有良好的稳定性和控制效果。

关键词：CMAC神经网络Dahlin算法前馈控制器纯滞后系统

中图分类号：TP273文献标志码：A

Abstract：AimingatthedisadvantagesofconventionalcontrollerbasedonDahlinalgorithmincontrollingobjectsfeaturinglargeinertia，(kad

time，timevaryingandnonlinear，i．e．，harmfulcontroleffect，evenunstable，thecontrolmethodofcombiningCMACneuralnetworkandDah—

finalgorithmisstated．TheCMACneuralnetworkworksasthefeedforwardcontrollertoimplementse~adaptiveandstablecontrolofrtimede—

laysystem．TheexperimentalsimulationverifiesthatthecompoundcontrolmethodkeepstheadvantagesofbothDahlinalgorithmandCMAC

NN，andfeaturesfastleamingspeed，highcapabilityofadaptationandexcellentandstablecontroleffects．

Keywords：CMACNeuralnetworkDahlinalgorithmFeed—ofwrradcontrollerDeadtimesystem

要求和振铃现象的出现而存在一定的局限性。从小

0引言

脑模型(CMAC)控制理论入手，基于复合控制的思

小脑模型神经网络(CMAC)具有比BP神经网络想，提出CMAC网络与Dahlin的复合控制算法。以

更快的学习速度，约2～3个数量级。因此，CMACCMAC模型为前馈控制，通过对Dahlin控制器输出的

特别适合于实时控制，能够实现直接逆运动控制、任意学习，有效地抑制了被控对象的滞后及不确定因素，

非线性函数映射等，是一种发展前景广阔和竞争力强使输出快速复现输入，提高系统的动、静态品质，实

的神经网络。现时滞系统的自适应稳定控制。

在工业过程控制中，由于物料或能量的传输延

1Dahlin控制策略机理

迟，许多被控对象具有纯滞后性质，对象的这种纯滞

后性质常常引起系统产生超调或震荡，控制时变时设典型的单回路计算机控制系统结构如图1所

滞对象一直是控制界关注的课题。纯滞后系统以大示。常规的Dahlin数字控制策略的基本原理是：对于

时滞为主要特征，兼有非线性、时变参数等问题，因一、二阶大时滞对象，总可以将闭环系统等效为一个预

此，很难建立其精确的数学模型