神经网络在二阶控制系统中的应用及仿真研讨.pdf

《冶金自动化》2006年增刊(s1) 神经网络在二阶控制系统中的应用及仿真研究 隋树林，杨蕾，袁健 (青岛科技大学自动化与电子工程学院，山东青岛266042) 【捕要】首先介绍了基于神经网络的直接逆控制和模型参考自适应控制的基本原理，然后把它应用在一个简 单的二阶系统控制中，并对其进行了仿真，该仿真是使用Matlab神经网络工具箱完成的。最后对比r不同的控 制方法以及不同的训练样本容量对控制结果的影响。 【关键词]神经网络；直接逆控制；模型参考白适应控制；铀Aink 0引言 法结构简单，可充分利用神经网络的建模能力，但 近年来，随着社会经济的发展，对控制系统的 系统的初始响应取决于网络的初始权值，控制开 设计要求日益提高，传统的控制理论及传统的智 始投入时系统鲁棒性欠佳【2J。系统控制特性取决 能控制方法已经很难满足需要。神经网络控制以 于模型的精确程度，当模型存在误差或对象有扰 其独特的优点受到控制界的关注，在控制系统中 动时，容易造成系统不稳定。直接逆动态控制的 得到日益广泛的应用，这主要来自以下3方面的 原理呵描述为： 动力：处理越来越复杂系统的需要；实现越来越高 的设计目标的需要；在越来越不确定情况下进行 …，r(t—m)) 控制的需要。用神经网络设计的控制系统，具有 式中，y为系统输出，r系统输人，t为时间，m为 高度的白适应性和鲁棒性，对于非线性和不确定 延迟时间个数。 性系统也取得了满意的控制效果，这些效果是传 神经网络的训练过程可描述为： 统的控制方法难以达到的…。 本文对一简单的二阶系统分别采用了直接逆 “(t)，…，u(t—m)) 控制和模型参考自适应控制，通过仿真来分析其 式中，口(t)为经过逆控制后得到的控制器输出值， 控制效果。并研究了不同样本容量对仿真结果的 毋为系统函数。 影响。 2模型参考自适应控制原理 1直接逆控制原理 自适应控制系统模型如图2所示。当非线性 这种方法是将神经网络直接作为控制器串联 系统为仿射系统时，控制器特性由辨识模型直接 于实际系统之前，其系统结构如图1所示。 获得。当非线性系统为非仿射系统时，控制器也 采用神经网络实现。这时神经网络控制器的训练 方式用类似于逆动态辨识的方案，但这时的误差 函数为e‘=11 yP—Y‘忆式中，y-为对象实际输 出，Y’为参考模型的输出。由于辨识模型和拄制 圈1神经网络直接逆控制 器均采用神经网络，因此增加了系统的鲁棒性J。 r一系统输人；Y一系统输出 3直接逆控制设计 它的主要思想是利用神经网络的逼近能力对 3．1被控对象 本文的控制对象是一简单的二阶系统，如图3 系统的逆动态进行建模，以使得整个系统的输入 输出为恒等映射，从而实现高性能的控制。该方 所示，其传递函数为： [牧祷日期]20咕一12掰；[修改藕收到日期]2006—02-15 [作者简舟]隋树林(1958一)，男．山东青岛人．教