《基于直接神经控制器的伺服控制系统设计.docx》由会员分享，可在线阅读，更多相关《基于直接神经控制器的伺服控制系统设计.docx（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、基于直接神经控制器的伺服控制系统设计蔡明学导语：本章讲述了根本的神经网络控制器。提出了使用直接神经控制器是一种可在线调整线性组合中关键参数的在线神经网络。摘要：传统意义上的PID控制用具有构造简单、调节方便、参数设置和工程索引亲密相关的上风。但它也有一定的局限性：对复杂系统很难建立数学模型，当控制对象不同时，控制器的参数很难自动适应外部环境的变化，且很难对一些复杂的经过和参数进展有效控制。而神经网络控制的开展、应用和与PID控制的结合，在一定程度上解决了传统PID控制器难以进展在线实时参数自整定等方面的缺点，可以充分发挥PID控制的优点。本章讲述了根本的神经网络控制器。提出了使用直接神经控制器
2、是一种可在线调整线性组合中关键参数的在线神经网络。关键词：直接神经网络，伺服控制，神经协调器DesigntoServoControlSystemBasedonDirectNeuralNetworksControllerMingxue.Cai (QingDaoQingdaorubbermachineryresearchinstitute)0前言用来准确地跟随或者复现某个经过的反应控制系统。在很多情况下，伺服系统专指被控制量系统的输出量是机械位移或者位移速度、加速度的反应控制系统，其作用是使输出的机械位移或者转角准确地跟踪输入的位移或者转角。伺服系统的构造组成和其他形式的反应控制系统没有原那么上的
3、区别。伺服控制系统是一种能对试验装置的机械运动按预定要求进展自动控制的操纵系统。在很多情况下，伺服系统专指被控制量系统的输出量是机械位移或者位移速度、加速度的反应控制系统，其作用是使输出的机械位移或者转角准确地跟踪输入的位移或者转角。伺服系统的构造组成和其他形式的反应控制系统没有原那么上的区别。伺服驱动装置是机电一体化设备的重要组成局部。随着微电子技术的开展，沟通伺服技术正朝着沟通化、数字化、小型化的方向迅速开展。在伺服控制系统设计经过中，应充分考虑稳定和响应两项重要指标，而这些因素很多程度上取决于伺服驱动系统的特性。在传统的PID控制伺服系统经过中，稳定性和快速性无法同时知足。针对上述缺点，
4、国内外学者积极探究采用人工智能控制的理论和方法。神经网络具有极强的非线性动态跟踪才能和自适应学习才能，对控制对象的数学模型无依靠性，在智能控制经过中得到广泛的应用。针对神经网络的以上特点，提出了基于神经网络的伺服系统控制方法，以神经网络为控制器，设计了基于神经网络的伺服控制系统。1.直接神经控制器一个三层的直接神经控制器。已知被控对象的定性知识或被控对象的雅可比值，一个带有隐藏层的三层神经网络可以计算出输出值的任意判别边界。尽管有两个隐藏层的神经网络在一些专门问题上能获得更好的近似值，但也更轻易陷入部分极小，需要更多的CPU时间。此外，还将考虑一个隐藏曾里面包含的正确单元的数目。李普曼提供了全
5、面的几何论据以及推理来证实为什么一个单隐藏层中单元的最大数目即是MN+1，其中M是输出单元的数目，N为输入单元的数目。已经测试了一个传播跟踪控制系统上单隐含层的不同数目单元的数目。最终发现，一个带有三至五个隐藏层的网络足够给出一个满足的结果。1.1直接神经控制器的算法本文提出的直接神经控制器是有两个输入单元，一个输出单元，假设干隐含单元的三层神经网络。分别代表需要的命令输入，参考模型的输出和被控对象的输出。网络的两个输入是误差以及它关于的微分。参考模型可以按照标准二阶传递函数设计，阻尼比和固有频率可以按照被控对象的物理特性定义。直接控制器的算法和权值更新方程由下述方程表述。这里的直接神经控制器
6、有隐含层下标j，输出层下标k和输入层下标i.为了标准化为-1和+1，输入信号在输入层被乘以增益。切线双曲函数作为隐含层和输出层的激活函数。隐含层的单元数目即是J。输入层的单元数目即是I。输出层的单元数目即是K。隐含层中j节点的输入为：N次改变到N+1次的时间间隙，权值矩阵得到更新。这里：可以由公式以上两式得到。神经网络中的连接权在从样本N到样本N+1改变的经过中得到更新。切线双曲函数作为激活函数，使得神经网络控制器输出19.4是介于-1和+1之间的值，再乘以尺度因子作为被控对象的输入。初始化置权值和偏值为+0.5到-0.5之间的最小随机数。根据以上两公式更新数值。1.2在线调节的自适应神经控制
7、器根据前面公式已知，被控对象的雅克比值需要预先知道。然而，由于被控对象的动态特性，确切的很难决定。用微分近似的方法，在很小的的范围内改变被控对象的每个输入，并测量输出的变化，雅克比是指：或，将微分关系的变量的变化与之前迭代的值比拟，微分可以由以下关系近似：当被控制被控对象惯性大或有干扰时，使用公式近似时经常造成模棱两可的情况。这种情况讲明神经控制器在输入和输出之间建立了一种因果关系。这是与期望的情形相违犯的。一个简单的正负号函数，用来近似被控对象的雅克比值。被称为是工业跟踪控制应用的在线训练自适应神经控制器。因此，用的变化率来近似被他们的符号函数代替。因此根据公式：清楚地理解控制信号可以提供需
8、要的符号信息。因此，用以上公式得到的给定的微分的符号，神经控制器将根据被控对象的输出误差e(N)，有效地输出正确方向的控制信号。2神经协调器的权值更新输出层和隐含层，隐含层和输入层之间的加权系数修正公式分别为：这里的根据可由误差和其微分的线性组合所近似，神经网络的输出层的第n-1次权值更新为：权值3总结传统的简单构造的直接神经控制器可以轻易地执行，节省更多的CPU时间。但是被控对象的雅克比值不轻易知道。传统的在线训练神经控制器使用正负号函数近似雅克比值还缺乏以用于伺服控制系统。适应法那么可以有效进步收敛速率，但是适宜的参数取决于尝试和误差，获得适宜的参数不轻易。这里提出的MNNACS可以为传统的直接神经控制DNC提供适宜的参数。带有被MNNACS训练好参数的DNC可以进步自适应才能以及改善非线性控制系统的控制性能。