基于模糊神经网络的模型参考自适应控制new

《基于模糊神经网络的模型参考自适应控制new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、维普资讯http://www.cqvip.com第22卷第4期自动化学报VoL22．No．●I996年7月ACTAAUTOMATlCASlNlCAJuly，1996基于模糊神经网络的模型参考年．7～自适应控制¨TP乙7．乙篮地墼(清华大学自动化系北京100084)摘要A甩模糊神经网络作为控制器，依靠参考模型产生理想的控制最绕闭环响应，从而随时得到控制系统的输出误差．甩梯度法实时蛰正模糊控制器的输人和输出隶属度参数，得至一种在线模糊自适应控制的新方法．通过倒立摆的仿真实验表明，该方法是可行的井能适应对象特性的太范围变化．关键调：巷塑过墨

2、圈鍪，模糊自适应控制，l引言近年来j基于神经网络的模糊自适应控制已成为很有吸B【力的研究领域之一“～．在已有的成果中，控制系统的性能指标大多为积分形式，因此对控制器参数只能用批修正的方法，限制模糊自适应控制的实时在线应用．为了克服这个缺点，本文提出一种基于模糊神经网络的模型参考自适应控制方法．-2模糊自适应控制系统的构成基于模糊神经网络的模型参考自适应控制系统如图l所示．主要由四部分梅成：控制对象P，参考模型R，对象模型M，神经网络模糊控制器FNN．下面分别加以介绍．2．1控制对象P倒立摆是一个典型的非线性、不稳定的控制对象，其运动方

3、程为sin口一c0s口(fq-坩sin口)一——孬=刁厂·式中日为杆与垂线的夹角(。)，为角速度((。)／s)，为角加速度((。)／)，f为作用力)国家自然科学基壹资助项目．本文于1994年7月28日收到维普资讯http://www.cqvip.com4期张乃尧等：基于模糊神经网络的模型参考自适应控制

4、皿船Z嚣舰-．Z1忍图1基于模糊神经网络的模型参考自适应图2模糊控制规则集控制系统框图(Ⅳ)，杆的质量一0．1kg，杆和小车的总质量一1．1kg，半杆长f一0．5m，重力加速度g一9．8m／s，采样周期一0．02s．2．2参考模型R本文

5、采用的参考模型是一个典型二阶线性系统，其传递函数为1R(j)一了_—_．(2)r十￡；∞1'∞；式中无阻尼自然振荡频率∞。一2．5tad／s，阻尼系数一0．9．2．3对象模型肼的在线辨识控制系统的输出误差e，要经过被控对象反传才能去校正控制器参数，因此必须建立被控对象的数学模型．这里被控对象是一个非线性系统，而且在自适应控制时是未知或时变的，由于用梯度法学习只需要ae,／af，信号(特别重要的是其符号)，所以可以用一个二阶线性差分方程作为对象近似的数学模型0m一口I8+az0广1+6，“(3)用递推最小二乘法进行系统辨识，当倒立摆在平

6、衡点附近运动时(II≤15。)，一1．999，一-0994，b一-0．033(0)／N．以此作为模型吖的初值，并在实验中实时修正模型参数，以反映被控对象非线性时变的特性．‘2．4模糊控制器的设计模糊控制器的作用是根据旁l攮日和角度变化率旧产生合适的作用力，使得倒立摆保持平衡并使性能指标最优．首先确定日，日，f的最大值分别为：0一15。，0=60(0)／s，F一1ON，再将0，d，f的实际值分别除以其最大崮并加以±i限幅后得到其归一值．对每个变量均定义五个模糊子集：ⅣL(负大)，NS(负小)，Z(零)，(正小)，PL(正大)．采用三角形

7、、对称、全交迭的隶属度函数．隶属度函数的可调参数只有三个：。)，：()，C3(f)，且变化范围均为(0，1)．根据经验，确定11条控制规则见图2，图中右下角为规则编号．一一维普资讯http://www.cqvip.com自动化学报3模糊自适应控制的实现3．1神经网络模糊控翩器FNN为了实时修正模糊控制器的隶属度参数c．，，采用一个五层前馈型模糊神经网络来完成模糊控制的功能(图3)，图中方块代表自适应结点，圆圈为固定结点．各层的功能如下：·第一层输入层，有两个结点．输人为日和d的实际值，输出为其归一值．第二层模糊化层，两组各五个结点，对

8、应五个模糊子集．输出为日，d对每个模糊子集的隶属度，如L)，Ⅳs(日)，⋯．可调参数为．，f．第三层规则层，有!l1个结点，对应11条模糊控制规则．在每个结点中，将该规则两个条件成立的隶属度相乘得到该规则的激活强度(i一1，2，·一，11)后输出．第四层解模糊层，有五个结点．在每个结点求输出隶属度函数的反函数，如(f’I)、5(f，2)，⋯．可调参数为f；．图3神经网络模糊控制器FNN结构图第五层输出层，只有一个结点．用加权平均法求出实际的作用力11，11f—F．∑一(f’)／∑．(4)●iJ1l3．2豪一度参数(c．，c：，c，)的

9、自适应算法选用指标函数为，，一÷[f2+(1一)朋，一0．998．(5)‘由(3)一(5)式，用梯度法可得一组自适应方程如下：维普资讯http://www.cqvip.com4期张乃尧等：基于模糊神经网络的攘型参考自适应