基于神经网络的非线性气动弹性系统辨识.PDF

第３４卷第６期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．６ ２０１７年６月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｎ．２０１７ 基于神经网络的非线性气动弹性系统辨识 窦立谦　冀　然 （天津大学电气与自动化工程学院　天津３０００７２） 摘　要　　由于气动弹性系统的非线性和不确定性的存在，传统的辨识方法在工程中难以满足。针对这种情况 提出了一种模糊小波神经网络（ＦＷＮＮ）辨识方法。首先，采用区间２型模糊逻辑系统和小波神经网络结合构建 ＦＷＮＮ网络结构，能够较好地逼近具有不确定性的非线性ＡＥ系统；然后，考虑到辨识的快速性和准确性，系统采 用一组模糊ＩＦＴＨＥＮ规则，对模糊后件采用单隐层小波神经网络结构；参数学习采用基于Ｌｙａｐｕｎｏｖ稳定性的滑 模学习算法，保证系统存在参数不确定的情况下，辨识误差能更快地收敛。最后，对结构非线性二元翼段进行仿 真研究，验证了该模型的有效性。 关键词　　系统辨识　非线性气动弹性系统　模糊小波神经网络　滑模算法 中图分类号　ＴＰ１８３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０６．０４３ ＩＤＥＮＴＩＦＩＣＡＴＩＯＮＯＦＮＯＮＬＩＮＥＡＲＡＥＲＯＥＬＡＳＴＩＣＳＹＳＴＥＭＳ ＢＡＳＥＤＯＮＮＥＵＲＡＬＮＥＴＷＯＲＫ ＤｏｕＬｉｑｉａｎ　ＪｉＲａｎ （ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌａｎｄＡｕｔｏｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｂｅｃａｕｓｅｏｆｔｈｅｎｏｎｌｉｎｅａｒｉｔｙａｎｄｕｎｃｅｒｔａｉｎｔｙｏｆｔｈｅａｅｒｏｅｌａｓｔｉｃｓｙｓｔｅｍ，ｔｈｅｔｒａｄｉｔｉｏｎａｌｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄ ｉｓｄｉｆｆｉｃｕｌｔｔｏｍｅｅｔｉｎｅｎｇｉｎｅｅｒｉｎｇ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｆｕｚｚｙｗａｖｅｌｅｔｎｅｕｒａｌｎｅｔｗｏｒｋ（ＦＷＮＮ）ｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｉｓ ｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅＦＷＮＮｎｅｔｗｏｒｋｉｓｃｏｎｓｔｒｕｃｔｅｄｂｙｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｉｎｔｅｒｖａｌ２ｆｕｚｚｙｌｏｇｉｃｓｙｓｔｅｍａｎｄｗａｖｅｌｅｔ ｎｅｕｒａｌｎｅｔｗｏｒｋ，ｗｈｉｃｈｃａｎａｐｐｒｏａｃｈｔｈｅｎｏｎｌｉｎｅａｒＡＥｓｙｓｔｅｍｗｉｔｈｕｎｃｅｒｔａｉｎｔｉｅｓ．Ｔｈｅｎ，ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｆａｓｔｎｅｓｓａｎｄ ａｃｃｕｒａｃｙｏｆｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｔｈｅｓｙｓｔｅｍａｄｏｐｔｓａｓｅｔｏｆｆｕｚｚｙＩＦＴＨＥＮｒｕｌｅｓ，ａｎｄａｓｉｎｇｌｅｈｉｄｄｅｎｌａｙｅｒｗａｖｅｌｅｔｎｅｕｒａｌ ｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｉｓｕｓｅｄｆｏｒｔｈｅｆｕｚｚｙｃｏｎｓｅｑｕｅｎｔｐａｒｔｓ．ＰａｒａｍｅｔｅｒｌｅａｒｎｉｎｇｉｓｂａｓｅｄｏｎｔｈｅＬｙａｐｕｎｏｖｓｔａｂｉｌｉｔｙｏｆｔｈｅ ｓｌｉｄｉｎｇｍｏｄｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｔｏｅｎｓｕｒｅｔｈｅｅｘｉｓｔｅｎｃｅｏｆｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｈｅｓｙｓｔｅｍｕｎｃｅｒｔａｉｎｔｙ，ｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｅｒｒｏｒｃａｎｂｅｆａｓｔｅｒｃｏｎｖｅｒｇｅｎｃｅ．Ｆｉｎａｌｌｙ，ｔｈｅｓｉｍｕｌａｔｉｏｎｏｆｔｈｅｎｏｎｌｉｎｅａｒｂｉｎａｒｙｗｉｎｇｓｅｃｔｉｏｎｉｓｃａｒｒｉｅｄｏｕｔｔｏｖｅｒｉｆｙｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｍｏｄｅｌ． Ｋｅｙｗｏｒｄｓ　　Ｓｙｓｔｅｍｉｄｅｎｔｉｆｉｃａｔｉｏｎ　Ｎｏｎｌｉｎｅａｒａｅｒｏｅｌａｓｔｉｃｓｙｓｔｅｍ　Ｆｕｚｚｙｗａｖｅｌｅｔｎｅｕｒａｌｎｅｔｗｏｒｋ　Ｓｌｉｄｉｎｇｍｏｄｅａｌｇｏｒｉｔｈｍ 此，近些年对非线性气动弹性特性的研究成为国内外 ０　引　言