基于BP神经网络的多变量解耦控制研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日 ２０－ － 期： ０３ ７ ９ ０２ 作者简介：王作宏（ ６－ （ ４） ９ ，男，副教授， 研究方向： 神经网络控制，纺织工艺设备，电气控制．
万方数据
武源自文库
汉
科
技
学
院
学
报
２０ 年 ０３
实现ｍ对ｙ ‘ ， 的有效控制，必须对 Ｇｓ （解祸。判别公式如（ ０ ） ２ ）
了 ． １
ｆ。ｌ ＝ｉ ｍ
度１ ．、
１
Ｇ
ｉ Ｓ ＊ｓ ；ｓ Ｕｓ ｝ ） ｝ 艺Ｇ （Ｇ （Ｇ ） （ ）ｊ ＇ ） （
ｊ ｓ ＝ ｉ ｌ
（） ２
应当 歹ｉ１ 不解祸可以 （进行控制， 指出， ， ＜ 时， 对Ｇｓ ） 但这并不是说控制品 质也很好。 事实上， 歹“ 当 接
近于 １ 时，为了获得满意的控制效果， 仍需要对 Ｇｓ （解祸。 ） 解祸控制设计就是依据 Ｇｓ （设计出 ） 解藕网 络Ｄｓ 通过引入Ｄｓ （， ） （，实现对 Ｇｓ ） （解藕， （解祸后， ） Ｇｓ ） 可 以像单回路控制系统那样设计各主通道调节器，由 各主通道合成一个神经网络调节器。解藕的方法很多，
基于 Ｂ Ｐ神经网络的多变量解祸控制研究
王作宏
（ 武汉职业技术学院 服装与艺术学院， 湖北 武汉 ４０７） ３０３ 摘要： 针对多输入、多 输出 藕合对象， 研究基于Ｂ 神经网 Ｐ 络的解藕控制， 提出采用训练好的神经网 络解藕 器和神经网络调节器结合， 对系统进行解辐控制的方法． 通过对 ２ 输入 ２ 输出藕合对象进行计算机仿真结果
１神经网络解藕控制
设ｎ 个输入ｎ 个输出的祸合对象为 Ｙ ）Ｇｓ （ （＝ （Ｍｓ ｓ ） ）
（ ＝，： ２）… 、 ，）ｙ ： （ 其中，； ） ［（
ｒ ． ． ． ． ． ． ． ．
， ｓＴ Ｍ ＝Ｍ（ ｚ）… ｍ（１ ，）； （ Ｉ ｓ （ （］ ｓ ，）ｍ ｓ ） ，）； ｓＴ
（） １
Ｇ ） （ ｓ
门
Ｙ （） ，Ｓ Ｙ （） ， Ｓ
Ｙ （） ． Ｓ
Ｄ，（） ：ｓ
Ｄ，（） ｕ （） ，ｓ ， ，Ｓ
．‘ １ ， ． １ ． ． ｅｓ ｅｓ ‘ｌ ｅｓ ｌ ｌ ｅｓ 几． １ ． Ｉ ｌ ｌ Ｓ
通过 析比 这里 解藕关系明 解 能维 主通 分 较， 采用 确、 祸后 持 道特性不变的 法 变性原理【 祸。 方 一不 ’ ］ 解
对于 ｎ ｎ 藕合对象， Ｘ 引入解祸网络Ｄｓ 解祸网 （， ） 络的输入信号为调节器的输出信号 Ｕｓ 解藕网 （， ） 络的 输出信号为对象的输入信号Ｍ ． （ Ｓ ）
ｍ 难 控 ， 验 道 的 合 弱 用 合 歹ｉ 判 。 ， 以 制了 检 通 之间 祸 强 可 祸 度 。来 别 就 ｉ Ｐ ｌ
当 ， 表明 通道的 作用 于 通道的 制 歹；１ ＜ 时， 主 控制 大 祸合 控 作用， 。 歹 越小， 作用 祸合 越弱； 歹；１ 当 ； 时， ＞
表明藕合通道的控制作用等于或大于主通道的控制作用， 越大， ｆ“ 祸合作用越强。在后种情况下， 若要
个 至 个 的 递函 称为 个 道 递函 Ｇ（为 个 至第ｉ 翰出 传 数， 输入 第ｉ 输出 传 数， 第ｉ 主通 传 数； ｉ） 第Ｊ 输入 ， ｓ 个 的 递函
称为祸合通道的传递函数。
一般来讲， 对象各通道之间 当 为弱祸合时， 个主通道输入ｍ能较好地控制输出Ｙ 当 第ｉ ， ｉ 祸合较强时， ；
表明，解藕控制效果很好． 关键词：Ａ合对象；解藕控制；神经网络；调节器；计算机仿真
中图分类号：Ｔ ２ Ｐ７ 文献标识码：Ａ 文章编号：１０ －５６ （０３ －０６ －０ ０９ １０ ０ ） ０ １ ４ ２
多输入、 输出非线性时变的系统往往具有祸合特性， 祸合对象的控制比较困难。 为了实施有效控制， 通 常需要将被控对象进行解祸处理。 传统的解祸控制方法存在着结构设计、 计算复杂， 系统响应慢、 超调大、 控制精度差等间题。而神经元网络是模拟大脑的某些机理与机制，由 人工建立的拓朴结构的网 它通过 络， 对连续或断续的输入作状态响应， 而信息处理神经元网 络是本质性的并行结构， 并且可以用硬件实现。 神 经元网络的本质是非线性系统，多层神经元网 络具有逼近任意函数的能力。它能同时处理大量不同 类型的 输入信息， 能很好解决输入信息之间的冗余问题， 能恰当地协调互相矛盾的输入信息， 可以处理那些难以 用模型或规则描述的系统信息。利用神经元网络这种特性， 将控制器和某个输入对其它输出的祸合关系隐 藏在一个三层 Ｂ Ｐ网络中统一处理， 通过少量的实际控制数据来训练解祸控制器， 能够很好的解决多输入 多输出系统的解祸控制问题。本文将神经网络控制与解祸控制结合起来。实现对多输入多输出系统解祸控 制，保证了系统解藕控制的质量。
Ｍ（ ＝ ） ） Ｙ ） （ （ （ ＝ Ｓ （ ｓ Ｕｓ， ｓ Ｇ ｓＤ ｓ Ｕｓ Ｇ （ Ｕ ， ｓ Ｄ ） （ （ （ ＝ ） ） ） ） ｓ ）
其中， （＝ Ｓ ， ） ， ） ； Ａ）ｄｇ ， ）Ｇ ） … ‘， ）； Ｕ ）［（Ｕ（ …。（ ］ Ｇ（＝ｉ ［，、 ２、 Ｓ ｕ ） ： ， Ｔ ， Ｓ Ｓ ａ Ｇ（ １ （ ，： ， ］ （
． ．
－一
．
Ｇ， ｓ ，＇ （） Ｇ ， ，ｓ （）
１ ． １ ， ｗｅ Ｊ
Ｇ，（） ｓ Ｇ：（） ｓ ， ， Ｇ。（） ，ｓ ：
Ｇ ， （） ｓ
Ｙ） （为对象输出拉氏变换列向量； ｓ ｓ Ｍ（为对象输入拉氏变换列向量； （为传递函数矩阵。Ｇｉ） ｉ ） Ｇｓ ） ｉ 为第 （ ｓ
第 １卷 第 ５ ６ 期 ２０ 年 １ 月 ０３ ０
武 汉 科 技 学 院 学 报
Ｊ ＯＵＲＮＡＬ Ｆ ＵＨＡ ＵＮＩ Ｒ Ｉ Ｙ Ｓ Ｅ Ｅ ＮＤ ＮＧＩ Ｅ ＮＧ Ｏ Ｗ Ｎ ＶＥ Ｓ Ｔ ＯＦ ＣＩ ＮＣ Ａ Ｅ ＮＥ ＲＩ
Ｖ ｌ１ Ｎｏ ５ ｏ ． ６ ． Ｏｃ ２ ３ ． ０ ｔ ０
万方数据
武源自文库
汉
科
技
学
院
学
报
２０ 年 ０３
实现ｍ对ｙ ‘ ， 的有效控制，必须对 Ｇｓ （解祸。判别公式如（ ０ ） ２ ）
了 ． １
ｆ。ｌ ＝ｉ ｍ
度１ ．、
１
Ｇ
ｉ Ｓ ＊ｓ ；ｓ Ｕｓ ｝ ） ｝ 艺Ｇ （Ｇ （Ｇ ） （ ）ｊ ＇ ） （
ｊ ｓ ＝ ｉ ｌ
（） ２
应当 歹ｉ１ 不解祸可以 （进行控制， 指出， ， ＜ 时， 对Ｇｓ ） 但这并不是说控制品 质也很好。 事实上， 歹“ 当 接
近于 １ 时，为了获得满意的控制效果， 仍需要对 Ｇｓ （解祸。 ） 解祸控制设计就是依据 Ｇｓ （设计出 ） 解藕网 络Ｄｓ 通过引入Ｄｓ （， ） （，实现对 Ｇｓ ） （解藕， （解祸后， ） Ｇｓ ） 可 以像单回路控制系统那样设计各主通道调节器，由 各主通道合成一个神经网络调节器。解藕的方法很多，
基于 Ｂ Ｐ神经网络的多变量解祸控制研究
王作宏
（ 武汉职业技术学院 服装与艺术学院， 湖北 武汉 ４０７） ３０３ 摘要： 针对多输入、多 输出 藕合对象， 研究基于Ｂ 神经网 Ｐ 络的解藕控制， 提出采用训练好的神经网 络解藕 器和神经网络调节器结合， 对系统进行解辐控制的方法． 通过对 ２ 输入 ２ 输出藕合对象进行计算机仿真结果
１神经网络解藕控制
设ｎ 个输入ｎ 个输出的祸合对象为 Ｙ ）Ｇｓ （ （＝ （Ｍｓ ｓ ） ）
（ ＝，： ２）… 、 ，）ｙ ： （ 其中，； ） ［（
ｒ ． ． ． ． ． ． ． ．
， ｓＴ Ｍ ＝Ｍ（ ｚ）… ｍ（１ ，）； （ Ｉ ｓ （ （］ ｓ ，）ｍ ｓ ） ，）； ｓＴ
（） １
Ｇ ） （ ｓ
门
Ｙ （） ，Ｓ Ｙ （） ， Ｓ
Ｙ （） ． Ｓ
Ｄ，（） ：ｓ
Ｄ，（） ｕ （） ，ｓ ， ，Ｓ
．‘ １ ， ． １ ． ． ｅｓ ｅｓ ‘ｌ ｅｓ ｌ ｌ ｅｓ 几． １ ． Ｉ ｌ ｌ Ｓ
通过 析比 这里 解藕关系明 解 能维 主通 分 较， 采用 确、 祸后 持 道特性不变的 法 变性原理【 祸。 方 一不 ’ ］ 解
对于 ｎ ｎ 藕合对象， Ｘ 引入解祸网络Ｄｓ 解祸网 （， ） 络的输入信号为调节器的输出信号 Ｕｓ 解藕网 （， ） 络的 输出信号为对象的输入信号Ｍ ． （ Ｓ ）
ｍ 难 控 ， 验 道 的 合 弱 用 合 歹ｉ 判 。 ， 以 制了 检 通 之间 祸 强 可 祸 度 。来 别 就 ｉ Ｐ ｌ
当 ， 表明 通道的 作用 于 通道的 制 歹；１ ＜ 时， 主 控制 大 祸合 控 作用， 。 歹 越小， 作用 祸合 越弱； 歹；１ 当 ； 时， ＞
表明藕合通道的控制作用等于或大于主通道的控制作用， 越大， ｆ“ 祸合作用越强。在后种情况下， 若要
个 至 个 的 递函 称为 个 道 递函 Ｇ（为 个 至第ｉ 翰出 传 数， 输入 第ｉ 输出 传 数， 第ｉ 主通 传 数； ｉ） 第Ｊ 输入 ， ｓ 个 的 递函
称为祸合通道的传递函数。
一般来讲， 对象各通道之间 当 为弱祸合时， 个主通道输入ｍ能较好地控制输出Ｙ 当 第ｉ ， ｉ 祸合较强时， ；
表明，解藕控制效果很好． 关键词：Ａ合对象；解藕控制；神经网络；调节器；计算机仿真
中图分类号：Ｔ ２ Ｐ７ 文献标识码：Ａ 文章编号：１０ －５６ （０３ －０６ －０ ０９ １０ ０ ） ０ １ ４ ２
多输入、 输出非线性时变的系统往往具有祸合特性， 祸合对象的控制比较困难。 为了实施有效控制， 通 常需要将被控对象进行解祸处理。 传统的解祸控制方法存在着结构设计、 计算复杂， 系统响应慢、 超调大、 控制精度差等间题。而神经元网络是模拟大脑的某些机理与机制，由 人工建立的拓朴结构的网 它通过 络， 对连续或断续的输入作状态响应， 而信息处理神经元网 络是本质性的并行结构， 并且可以用硬件实现。 神 经元网络的本质是非线性系统，多层神经元网 络具有逼近任意函数的能力。它能同时处理大量不同 类型的 输入信息， 能很好解决输入信息之间的冗余问题， 能恰当地协调互相矛盾的输入信息， 可以处理那些难以 用模型或规则描述的系统信息。利用神经元网络这种特性， 将控制器和某个输入对其它输出的祸合关系隐 藏在一个三层 Ｂ Ｐ网络中统一处理， 通过少量的实际控制数据来训练解祸控制器， 能够很好的解决多输入 多输出系统的解祸控制问题。本文将神经网络控制与解祸控制结合起来。实现对多输入多输出系统解祸控 制，保证了系统解藕控制的质量。
Ｍ（ ＝ ） ） Ｙ ） （ （ （ ＝ Ｓ （ ｓ Ｕｓ， ｓ Ｇ ｓＤ ｓ Ｕｓ Ｇ （ Ｕ ， ｓ Ｄ ） （ （ （ ＝ ） ） ） ） ｓ ）
其中， （＝ Ｓ ， ） ， ） ； Ａ）ｄｇ ， ）Ｇ ） … ‘， ）； Ｕ ）［（Ｕ（ …。（ ］ Ｇ（＝ｉ ［，、 ２、 Ｓ ｕ ） ： ， Ｔ ， Ｓ Ｓ ａ Ｇ（ １ （ ，： ， ］ （
． ．
－一
．
Ｇ， ｓ ，＇ （） Ｇ ， ，ｓ （）
１ ． １ ， ｗｅ Ｊ
Ｇ，（） ｓ Ｇ：（） ｓ ， ， Ｇ。（） ，ｓ ：
Ｇ ， （） ｓ
Ｙ） （为对象输出拉氏变换列向量； ｓ ｓ Ｍ（为对象输入拉氏变换列向量； （为传递函数矩阵。Ｇｉ） ｉ ） Ｇｓ ） ｉ 为第 （ ｓ
第 １卷 第 ５ ６ 期 ２０ 年 １ 月 ０３ ０
武 汉 科 技 学 院 学 报
Ｊ ＯＵＲＮＡＬ Ｆ ＵＨＡ ＵＮＩ Ｒ Ｉ Ｙ Ｓ Ｅ Ｅ ＮＤ ＮＧＩ Ｅ ＮＧ Ｏ Ｗ Ｎ ＶＥ Ｓ Ｔ ＯＦ ＣＩ ＮＣ Ａ Ｅ ＮＥ ＲＩ
Ｖ ｌ１ Ｎｏ ５ ｏ ． ６ ． Ｏｃ ２ ３ ． ０ ｔ ０