（机械电子工程专业论文）电液伺服系统神经网络自适应控制.pdf

硕士论文 电液伺服系统神经网络自适应控制 摘要 本文以电液伺服系统为研究对象，针对该系统存在的非线性、时变性、变惯量 及变负载情况和较高的动、静态精度和响应快速性的要求，设计一种性能优良的控 制器。 在电液伺服系统硬件设计和数学建模的基础上，设计了神经网络自适应控制 器。这个控制器包含了两个神经网络，一个神经网络用于非线性系统的辩识，另一 个神经网络作为控制器。两个神经网络都采用改进的b p 算法，在控制器设计完成 的基础上，利用c 十+ 语言编制了智能控制算法程序。 仿真和试验结果表明，基于神经网络的自适应的控制器对电液伺服系统具有良 好的控制效果，有效得抑制负载变化和外界的干扰，达到了设计要求。 关键词：电液伺服系统神经网络自适应控制新型b p 算法系统辨识系统仿真 硕士论文电液伺服系统神经网络自适应控制 a b s t r a c t i nt h i sp a p e rt h er e s e a r c ho b j e c ti st h ee l e c t r o h y d r a u l i cs e r v os y s t e m a c c o r d i n gt o t h er e q u e s to fs t a t i c - d y n a m i cs t a t ep r e c i s i o na n dt h ec e l e r i t yo f r e s p o n s e ，ac o n t r o l l e rw i t h g o o dp e r f o r m a n c eh a sb e e nd e s i g n e d ，a i m e da tt h en o n l i n e a r i t y 、t i m e - v a r i e d 、b i gi n e r t i a a n dv a r i e t yl o a dc h a r a c t e r i s t i co f t h eo b j e c t o nt h eb a s i so ft h eh a r d w a r ed e s i g no ft h eo b j e c ta n ds y s t e mm o d e l ，an e r v en e t s e l f - a d a p t i n g c o n t r o l l e rw h i c hi n c l u d e san e r v en e ti d e n t i f i c a t i o na n dan e r v en e t c o n t r o l l e rh a sb e e nd e s i g n e d t h e s en e r v en e t sa l lu s ean e wb p a l g o r i t h m t h ei n t e l l i g e n t c o n t r o la l g o r i t h mi sp r o 毋 a m m e du s i n gc + + l a n g u a g ea f t e rt h ec o n t r o l l e rh a sb e e n d e s i g n e d a c c o r d i n gt ot h er e s u l t so f t h es i m u l a t i o na n de x p e r i m e n t s ，t h en e r v en e ts e l f - a d a p t i n g c o n t r o l l e rh a st h eh i 【曲q u a l i t yo fs t a t i c d y n a m i cp e r f o r m a n c ea n dr e s t r a i n st h ei n f e c t i o n t os y s t e mp e r f o r m a n c eu n d e rh a r dc i r c u m s t a n c e sa s l a r g ei n e r t i av a r i e t yl o a da n dt h e d i s t u r b e ro f t h eo u t s i d e i tc a na c h i e v et h eg u i d e l i n eo f t h ep r o j e c tw e l l k e y w o r d ：e l e c t r o h y d r a u l i cs e r v os y s t e m n e r v en e ts e l f - a d a p t i n gc o n t r o l n e wb pa l g o r i t h m s y s t e mi d e n t i f i c a t i o ns y s t e ms i m u l a t i o n i i 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 研究生签名：至二兰叁少r 年i 月咖日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的全部或部分内容，可以向有关部门或机构送 交并授权其保存、借阅或上网公布本学位论文的全部或部分内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名：袭。营0弘5 ，年月少曰 硕士论文电液伺服系统神经网络自适应控制 1 绪论 1 1 电液伺服系统概述n 1 伺服系统也称随动系统，是构成一个自动化系统的基本环节，它是由若干元件和 部件组成的、具有功率放大作用的一种自动控制系统，其输出量精确地跟随输入量， 或者说，输出量总是复现输入量。随动系统的基本职能是对信号进行放大，保证有足 够能量推动负载( 被控对象) 按照输入信号的规律运动( 即输出) ，并使输入与输出 之间的偏差不超过允许的误差范围。 由电液驱动装置作为驱动元件所构成的伺服系统称为电液伺服系统。它由以下最 基本的部分组成：即偏差检测器：电液转换放大装置、执行机构和控制对象。如图 1 1 1 所示。在伺服系统中，输入元件、反馈测量元件和比较元件组合在一起，称为 偏差( 误差) 检测器。电液伺服系统中的核心是电液转换放大装置，它既起电气信号 与液压信号之间的转换作用，又起信号放大作用。它将输入的小功率电信号转变成阀 芯的运动，而阀芯的运动控制了液压能源流向执行元件的流量和压力，从而实现了电 液信号的转换和放大以及对液压执行元件的控制。 图1 1 1 电液伺服系统原理图 硕士论文 电液伺服系统神经网络自适应控制 电液伺服系统是以电信号为输入，液压信号为输出构成的闭环控制系统，由于它 融合了电子、信息与液压技术的长处，与其他伺服系统相比具有独特的优点：电信号 便于测量、转换、放大、处理、校正；电气检测传感元件便于检测各种物理量信号， 并具有快速和多样性；液压系统输出的功率大速度快，其执行机构具有惯性小等优点。 它们结合起来构成的电液伺服系统具有精度高、响应速度快、信号处理灵活、输出功 率大、结构紧凑等特点。因此，这种电液结合的系统在许多场合得到广泛采用，如飞 机与船舶舵机的控制、雷达与火炮的控制、机床工作台的位置控制等等。 1 2 智能控制概述6 7 1 咖 自动控制的发展经历的三个阶段，即经典控制理论、现代控制理论和智能控制理 论，智能控制理论是自动控制理论发展的必然趋势。 传统控制理论分为经典控制理论和现代控制理论。传统控制理论研究的主要对象 多为线性定常系统，主要解决单输入单输出问题，研究方法主要是以传递函数、频率 特性、根轨迹为基础的频率分析法。而现代控制理论所研究的问题从经典控制理论的 单输入单输出系统推广到多输入多输出系统，不仅可以研究线性系统，而且可以是有 非线性的系统。传统控制理论必须能够在常规控制理论的框架下，用数学模型严格地 刻画出被控制对象的动态行为。它是基于被控对象的精确模型的控制方式，故可称为 “模型论”。 但是在实际的控制系统中，对象和环境有许多未知因素，这些因素还会随着环境、 工况、空间、时间发生不可预测的变化。而且控制对象复杂，多表现为有很多的非线 性、扰动多且变化，使得控制对象的数学模型难于建立。人们开始避开数学模型，注 意到智能控制，智能控制是控制理论发展的高级阶段。 智能控制产生于上世纪5 0 年代，它是控制论、信息论、系统论、计算机科学、 神经学等多种学科相互渗透的结果，也是电子计算机的出现和广泛应用的结果。它研 究与模拟人类智能活动及其控制与信息传递过程的规律，研制具有某些仿人智能的工 程控制与信息处理系统。 硕士论文电液伺服系统神经网络自适应控制 智能控制主要用于对非线性、时变、不确定系统的控制。它是以模拟智能为核心， 其研究重点不再是被控对象，而是控制器本身。一个好的控制器具有多模式、变结构、 变参数的特点，自适应的改变控制的结构和自调整参数，以获得最佳的效果。 一般智能控制系统的功能概括为： 1 学习功能系统对一个过程或未知环境所提供的信息进行识别、记忆、学习， 并利用积累的经验进一步改善系统的性能，这种功能就同人类的学习过程类似。 2 适应功能这种适应能力包括更高层次的含义，除包括对输入输出自适应估计 外。还包括故障情况下自修复等。 3 组织功能对于复杂任务和分散的传感信息具有自组织和协调功能，使系统具 有主动性和灵活性。智能控制器可以在任务要求范围内进行自行决策，主动采取行动。 当出现多目标冲突时，在一定限制下，控制器可以在一定范围内自行解决。 4 容错功能系统对各类故障具有自诊断屏蔽和自恢复的功能。 智能控制在实际应用中取得了很大的成功，以当前智能控制系统的研究现状， 可把智能控制分为以下几类： 分级递阶智能控制系统 专家控制系统 模糊控制系统 神经网络控制系统 基于规则的仿人智能控制 1 3 电液伺服系统智能控制现状嘟h 5 1 电液伺服系统是一典型的非线形时变系统，其非线性主要是由液压动力机构的滞 环死区及限幅和电液转换与控制元件的节流特性等因素引起，常用的解决办法是采用 基于工作点附近的增量线性化模型来对系统进行分析与综合，设计过程主要以采用传 递函数、频率特性和根轨迹为基础的频域分析方法，控制器的形式主要为滞后或超前 网络等。目前，电液伺服系统的经典控制理论已经成熟。对于一些频宽不太高、参数 变化和外干扰不严重的系统，采用经典方法进行设计已经能够满足工程需要。 3 硕士论文电液伺服系统神经网络自适应控制 近年来，随着机械工作精度、响应速度和自动化程度的提高，电液伺服控制技术 从传统的机械、操纵应用场合开始向航空航天、车辆与工程机械和雷达与火炮等领域 扩展。因此对电液伺服控制系统提出了新的要求： 1 在满足系统的动态特性的前提下。尽量提高稳态精度，要求控制器能做到快 速无超调的控制被控对象。 2 对于系统参数变化、外界干扰严重以及非线性因素引起的不确定性，控制系 统应呈现较强的鲁棒性。 3 控制策略应具有较强的智能性。 4 控制算法简单实时性强。 1 4 本文要完成的工作 p x - 8 电液伺服系统是八十年代为某国防课题预研而设计的，在当时的理论和实 验设备支撑下，该系统能满足设计要求。但是，随着计算机技术和控制理论的发展， 当时的设计已经不能满足现代国防对伺服系统快速响应、高精度的要求。本课题对该 系统进行了彻底的改进设计。 研究工作主要从以下几方面展开： 1 p x - 8 电液伺服系统的硬件改进及数学模型的建立。主要工作是选用性能更加 优异的电子元器件，重新设计伺服放大器。伺服放大器的主要功能是将计算机的控制 信号按照系统需要进行放大和处理，使其具有足够的能力推动执行机构，并能完成速 度、加速度、位置反馈信号的检测和调整。针对改进过的系统，分析组成系统元件的 功能及特性，从理论上确定系统大致的传递函数，然后通过在实际系统上进行调试推 导传递函数中的参数，最终得出系统的传递函数。 2 智能控制器的设计。电液伺服系统是典型的机一电一液系统，普遍存在非线性、 不确定性、外干扰及交叉耦合现象，难以精确建模。因此，用传统的基于模型的控制 理论进行电液伺服系统的控制难以取得理想的控制效果。本文利用神经网络的学习能 力和非线性映射能力，设计种神经网络自适应控制器，使其既能满足伺服系统跟踪 硕士论文电液伺服系统神经网络自适应控制 控制的需要，又能提高系统对非线性和不确定性特性的处理能力。 3 系统仿真。控制器设计完成后，实际系统调试之前，为了检验算法的可行性， 运用m a t l a b 软件进行系统的仿真，不断修正控制器的参数直至达到系统所要求的动 静态性能指标。 4 实际系统调试。将仿真程序改写为c + + 语言控制程序，输入工控机，进行实 际系统的调试，逐步修正控制器参数，直至系统稳定，达到设计要求。 硕士论文 电液伺服系统神经网络自适应控制 2 电液伺服系统硬件组成及系统模型巧儿1 5 1 9 h 2 1 本课题所研究的电液伺服系统是八十年代为某国防预研课题而设计的，其硬件核 心为p x 一8 电液调速系统，简称为p x - 8 电液伺服系统，图2 1 是系统的整体结构框 图。它主要由主控计算机、电液调速系统、模拟负载、校正网络、测角装置五大部分 组成。主控计算机是整个控制系统的大脑，负责采集控制目标信号以及智能算法的实 现。计算机的输出信号输入本电液伺服系统的核心部件电液调速系统，经过电液调速 系统作用驱动执行机构液压马达。系统的执行机构泵控马达其效率高，应用于大功率 液压控制系统中节能效果明显；通过减速箱连接的制动器和惯量盘是模拟负载，模拟 出实际火炮系统上的阻力矩和转动惯量。为了提高系统的性能，在系统中引入速度和 加速度反馈进行校正，采用测速电机作为速度采集装置，测角装置是外环位置反馈。 图2 1 伺服系统结构框图 2 1 电液调速系统 电液调速系统p x 8 由伺服放大器、电液伺服阀、液压缸、变量泵、液压马达和 位移传感器构成，即虚线围起来的部分，它是该液压系统的核心部件。其中伺服放大 器、电液伺服阀和位移传感器构成一小闭环，起节流调速作用。计算机输出信号经过 伺服放大器进行调整放大，控制电液伺服阀，从而控制变量泵的排量。泵控马达通过 硕士论文电液伺服系统神经网络自适应拉制 改变变量泵的排量实现对液压马达转速的控制，属于容积调速，是系统的执行机构， 用于推动负载运行，因此该系统综合了节流控制和容积控制的优点，具有动态性、好 效率高，其工作原理如图2 1 1 所示。 图2 1 1p x - 8 电液调速系统工作原理 工作原理：计算机输出信号经过伺服放大器调整后，控制电液伺服阀的开口大小 和方向，由此再控制双作用液压缸运动速度和运动方向。液压缸的输出用于控制变量 泵斜盘的倾角，即控制变量泵的排量，也就是液压马达的转速。 系统的主要部件及参数为： 1 伺服放大器的主要功能是将计算机的控制信号按照系统需要进行开环放大和 信号处理，使其具有足够的功率推动执行机构，并能完成速度、加速度、液压缸位置 反馈信号的检测和调整。它包括稳压电源、4 0 0 h z 激励信号发生器、信号采集、信号 变换和控制输出部分。其原理图见附录a 。 2 电液伺服阀 为双喷嘴挡板力反馈二级电液伺服阀，设计工作压力为2 1 0 1 0 5 p a ，在本系统中 实际工作压力为2 7 x1 0 5 p a 。 3 液压缸 为双作用油缸，活塞有效面积为2 7 1 0 1 m 2 ，行程为o 0 1 5 m 。 4 位置反馈传感器 采用旋转变压器，额定激磁电压为3 6 v ( 4 0 0 h z ) ，输出梯度为0 3 v d e g ，零位剩 硕士论文 电液伺服系统神经网络自适应控制 余电压不大于4 5 毫伏。 5 变量泵 为斜轴式轴向柱塞泵，摆架转角3 0 度，由油缸的活塞控制。泵的最大排量为 1 5 6 1 0 “酽r ，最高工作压力为2 1 0 x1 0 5 p a 。 6 液压马达 为y m 3 0 型斜轴式定量马达，排量为2 8 1 1 0 4 m r ，额定转速为2 2 8 0 r m 。 7 辅助供油泵 包括两个齿轮泵，一个为主油路补油，压力为8 1 0 5 p a ，另一个为电液伺服阀供 油，供油压力为2 7 1 0 5 p a ，压力均由溢流阀调定。 8 拖动电机 所有液压泵由同一三相异步电机拖动，功率为5 5 k w , 额定转速是2 9 0 0 r m 。 2 2 主控计算机 本文所设计的控制器采用神经网络自适应控制算法，该算法特点之一就是具有很 大的计算量，又因为该系统对实时性要求很高，因此主控计算机的计算能力，特别是 浮点计算能力和计算速度是选型的重要指标之一。本文采用研祥公司( e v o c ) 研制的 p c 总线工控机作为控制计算机。它适合于工业现场控制，具有很好的抗电磁干扰能 力、稳定性和很高的计算能力。工控机采用p c a - 6 1 4 7 主机板，c p u 选用i n t e lp e n t i u r a i i 4 5 0 m h z ，外加i n t e l 8 0 3 8 7 协处理器，c a c h em e m o r y 大小为2 5 6 k b ，具有7 路d m a 通道。另外p c a 6 1 4 7 还具有p c 1 0 4 扩展接口，p o s t 诊断灯，1 2 级 w a t c h d o g ，t i m e r 等等。 2 3 校正装置 为了改善调速装置的静、动态特性与抑制非线性因素的影响，引入了速度与加速 度负反馈，构成局部反馈电路。其方法是在系统输出轴上安装测速发电机，采集输出 轴转速信号，输入校正电路作为速度反馈用以提高系统的固有频率，同时通过微分电 硕士论文电液伺服系统神经网络自适应控制 路得出加速度信号，用以提高系统的阻尼。 2 3 1 测速发电机 在本文所设计的系统中，速度信号采集采用的装置是t g p 一1 型永磁直流测速发 电机。工作参数为：环境温度范围为- - 6 0 。+ 7 0 。，当振动频率为4 0 4 5 h z 时，抗 震强度过载可达4 9 ，最大转速为7 0 0 0 r m ，线性误差 0 ，根据式( 3 - 1 8 ) 可得 媳( 七矿a ( 2 ) = a ( 蒿( 2 g b ) a 岣( 2 ( 七) = q ” ( 3 2 2 ) 而令 各拉= 一a e 。a b ) = 一( a e 钆伍) ) ( 砂。 ) a 吃 ) ) ( 3 2 3 ) 由式( 3 - 1 9 ) 可得 a e 似钆 ) = 一( 厕一败 ( 3 2 4 ) 则由( 3 - 1 8 ) 和式( 3 - 2 4 ) 可得 占2 = 一a e 。媳g ) = 儿 ) ( 1 一儿 ) ) ( 瓦硒一儿 ) ) ( 3 2 5 ) 因此，对输出层的任意神经元的连接权得修正公式： 2 ( k ) = r l y s ( k x l - y , ( k ) ) a 1 ”= 叩护a j ” ( 3 2 6 ) ( 2 ) 隐含层连接权的调整。对于作用于隐含层的连接权的调整与上面的计算过 程基本相同，但由于不能直接计算隐含层的输出，需要借助于网络的最后输出量。由 式( 3 2 0 ) 和式( 3 2 1 ) 可知 以0 ) = - f l o e y a 勘1 ) = 一，7 ( a e 鸭”) ( o a j ( ”a b ( 3 - 2 7 ) 与式( 3 2 2 ) 相类似 、 弛( 七) a 。g ) = 为g ) ( 3 2 8 ) 而令 占1 = 一a e 翩，= 一( 饱钯，”) ( a 口的削，”) = 一口，。( 1 一口j ) o e ( 孙j ( ” ( 3 2 9 ) 硕士论文电液伺服系统神经网络自适应控制 o e ( k ) 鸭= 一争愚 ) 取) = 一至占渤w s j ( 2 ) o ) ( 3 - 3 0 ) 所以，由式( 3 - 2 5 ) 到( 3 - 3 0 ) 可得： 坳g ) = 叩占( 1 ) 一 ) = r l a j ( k ) ( 1 一a j ( k ) ) ( 墨占2 o 2 g ) ) _ o ) ( 3 3 1 ) 式( 3 2 6 ) ，式( 3 - 3 1 ) 即为修正网络连接权的计算公式。 采用增加惯性项的方法，可以加快收敛速度，对于输出层和隐含层，其计算公式分别 为： w 耵2 ( 七+ 1 ) = w s j ( 2 ) ( k ) + a w s j ( 2 ) ( 七) + 口【w 2 协一2 ( 七一1 ) ( 3 3 2 ) w ：1 ) ( + 1 ) = w j l o ) ( k ) + a w i 1 ) ( 七) + d 【w j 1 ( k ) - w j 1 ) ( 七一1 ) 】 ( 3 3 3 ) 式中口惯性系数，通常取口( o ，1 ) 。 3 1 5 神经网络控制系统研究现状 神经网络研究现在是一门非常活跃的课题，对神经网络控制( n n c ) 系统来说，其 研究热点有： 1 利用神经网络( n n ) 的映射功能，解决复杂系统的辨识、状态估计、系统建模。 2 利用n n c 自学习、自组织的能力提高对严重不确定性系统的动态性能的适应能 力。 3 n n 具有联想功能，能够对各种信息进行识别、诊断、记忆、分类。因此广泛 连接的神经网络控制系统能够提高控制系统的鲁棒性。 4 定性或定量地研究n n c 系统的稳定性、收敛性、可靠性等理论问题，以保证 n n c 系统能够可靠稳定地正常运行。 5 提高n n c 实时在线控制能力。这其中有：提出和设计用于控制的新的网络、模 型和算法；改进现有的学习算法：简化n n 的结构：根据n n 的特点和优势对控制任务 进行分解、协调等等。 6 研究n n c 与其他控制方法的结合，如n n 非线性控制、n n 鲁棒控制、n n 专家控 制、n n 模糊控制等等。 7 研究用n n 来处理和解决其他控制理论、方法难以解决或不能解决的控制问题。 随着对n n c 系统研究的不断深入，n n c 已开始应用许多实际控制过程，并且已取 2 4 硕士论文 电液伺服系统神经网络自适应控制 得了一些成果。n n 的联想存储并行分布处理等优点使其具有良好的抗噪声能力，能 对受“污染”的信号进行分类。所以可以利用n n 来进行知识获取，完成其他智能方 法难以实现的模式识别。 最近几年神经网络理论和应用研究都取得了一些进展，但这仅仅是个开头。对n n c 来说，与人们的期望尚有相当的距离，存在许多有待进一步解决的问题。但是，随着 生物的、数学等的众多相关学科的发展，将推动n n c 理论研究的深入。随着微电子技 术的不断升级进步，为神经网络思想的实现提供条件，也将推动n n c 不断的向前发展。 3 2 自适应控制概述n 1 9 1 1 4 1 船溯湖剐 3 2 1 自适应控制 任何一个实际系统都具有某种程度的不确定性，这些不确定性有时表现在系统内 部，有时表现在外部。从系统内部来讲，描述被控对象动态过程的数学模型的结构和 参数设计者事先并不一定能确切知道。作为外部环境对系统的影响，可以等效地用许 多扰动来表示。这些扰动通常是不可测的，它们可能是确定的，也可能是随机的( 如 海浪和阵风扰动) 。此外，还有一些量测的噪声从不同的测量反馈回路进入系统。这 些扰动和噪声的统计特性常常是未知的，面对这些客观存在的各式各样的不确定性， 如何综合适当的控制作用，使得某一指定的性能指标达到并保持最优或近似最优，这 就是自适应控制所要研究的问题。 自从5 0 年代末期由美国麻省理工学院提出第一个自适应控制系统以来，先后出 现过许多不f 司形式的自适应控制系统。发展到现阶段，无论是从理论还是从实际应用 的角度来看，比较成熟的自适应控制系统有下述两大类。 3 2 1 1 模型参考自适应控制系统 模型参考自适应控制系统由以下几个部分组成，即参考模型、被控对象、反馈控 制器和调整控制器参数的自适应机构等部分。如图3 2 1 1 1 所示。 硕士论文 电液伺服系统神经网络自适应控制 图3 2 1 1 1 模型参考自适应控制系统 从图3 2 1 1 1 可以看出，这类控制系统包括两个环路：内环和外环。内环是由被 控对象和控制器组成的普通反馈回路，而控制器的参数则由外环调整。 参考模型的输出直接表示了对象输出应当如何地响应参考输入信号。这种用模型 输出来直接表达对系统动态性能要求的做法，对于一些运动控制系统往往是很直观和 方便的。 控制器参数的自适应调整过程：当参考输入同时加到系统和参考模型的输入端 时，由于对象的初始参数未知，控制器的初始参数不可能调整的很好。因此，一开始 系统的输出响应与模型的输出响应是不可能完全一致的，结果产生偏差信号，由驱动 自适应机构产生适当的调节作用，直接改变控制器的参数，从而使系统的输出y o ) 与 模型的输出y m o ) 慢慢靠近。当两者相等时白适应参数调整过程也就自动中止。当对 象特性在运行中发生了变化时，控制器参数的自适应调整过程与上述过程完全一样。 设计这类自适应控制系统的核心问题是如何综合自适应调整律，即自适应机构所 应遵循的算法。关于自适应律的设计目前存在两类不同的方法，其中一种称为局部参 数最优的方法，即利用梯度或其它参数优化的递推算法求得一组控制器参数，使得某 个预定的性能指标最小。这种方法的缺点是不能保证参数调整过程中，系统总是稳定 的。自适应律的另一种设计方法是基于稳定性理论的方法，其基本思想是保证控制器 参数自适应调节过程是稳定的，然后再尽量使这个过程收敛快一点，由于自适应控制 系统是本质非线性的。因此，这种自适应律的设计自然要采用适用与非线性系统稳定 理论，l y a p u n o v 稳定性理论和p o p o v 的超稳定性理论都是设计自适应律的有效工具。 硕士论文电液伺服系统神经掰络自适应控制 3 2 1 2 自校正调节器 这类自适应控制系统的一个主要特点是具有一个被控对象数学模型的在线辨识 环节，具体的说是加入一个对象参数的递推估计器。 由于估计的是对象参数，而调节器参数还要求解一个设计结构方能得出，所以这 种自适应控制系统可用图3 2 1 2 1 的结构描述。这种自适应调节器也可设想成由内环 和外环两个环路组成，内环包括被控对象和一个普通的线性反馈调节器，这个调节器 参数由外环调节，外环则有一个递推参数估计器和一个设计机构所组成。这种系统的 过程建模和控制的设计都是自动进行，每个采样周期都要更新一次。这种结构的自适 应控制器称为自校正调节器，采用这个名称目的是强调控制器能自动校正自己的参 数，以得到希望的闭环性能。 对象参数估计 图3 2 1 2 1 自校正调节器机构图 图3 2 1 2 1 中的设计结构表示当对象参数已知时，对调节器的参数进行在线求 解。由于调节器的控制律是多样的，如p i d 调节、最小方差调节等等，而且参数估计 的方法也是多样的，如最小二乘法、极大似然法等等，因此自校正调节器方案也非常 灵活，可以采用各种不同控制方法和估计方法搭配，以满足不同的性能要求。 3 2 2 基于神经网络的自适应控制 、 线性系统的自适应控制至今己发展的很完善。近年来，基于微分几何理论的仿射 非线性系统自适应控制也取得了很大的进展，但对一般非线性系统，其自适应控制问 题的解决却仍然相当困难。首先，很难找到适合不确定非线性动态系统的模型结构， 不像线性系统，只要阶次已知，就可以有标准形式函数表示：其次，不存在一般形式 硕士论文电液伺服系统神经网络自适应控制 的自适应控制律，不同的非线性系统其自适应控制律差别很大。 由于非线性系统自适应的高难度和复杂性，使得自校正控制和模型参考自适应 控制等成熟的自适应控制理论在面对一般非线性系统时显得山穷水尽，人们一方面尽 量利用现有的自适应控制理论来处理非线性系统的白适应控制问题，另一方面在努力 寻找新的思想和方法。 神经网络的出现，特别是其对一般非线性函数的逼近能力，给一度陷入困境的非 线性系统的自适应控制带来了希望，人们将自适应控制与神经网络适当的结合，组成 了多种基于神经网络的自适应控制系统。与传统自适应控制相对应，神经网络自适应 也可以分为模型参考控制( m r a c ) 和自校正( s t c ) 两种。两者区别是：自校正控制将根 据对系统正向和逆向模型辨识的结果，直接调节控制器内部参数，使系统满足给定的 指标性能。而在模型参考控制中，闭环控制系统的期望性能由一个稳定的参考模型描 述，它被定义为 r ( f l y ”o ) ) 输入输出对，控制系统的目的就是要使被控对象的输出 _ y o ) 一致渐进地趋近参考模型的输出，即： 熙) 一y ”酬i i 占 ( 3 - 3 4 ) f m 其中，占是一个给定的小正数。 3 2 2 1 神经网络模型参考自适应控制 神经网络模型参考控制有直接与间接控制之分，如图3 2 2 1 1 所示 ( 1 ) 直接模型参考控制 由图3 2 2 1 1 ( a ) 可知，在神经网络直接模型参考控制中，神经网络控制器的 作用是使被控对象与参考模型输出之差( f ) = y ( | ) 一y ”( f ) 寸。或( f ) 的二次型最小。 误差g 。( f ) 的反向传播必须确知被控对象的数学模型，这给n n c 的学习修正带来了许多 问题。 硕士论文电液伺服系统神经网络自适应控制 图3 2 2 1 1 神经网络模型参考自适应 ( 2 ) 间接模型参考控制 如图3 2 2 1 1 ( b ) 所示，神经网络辨识器( n n i ) 首先离线辨识被控对象的正向 模型，并可由e e ( r ) 进行在线修正。显然n n i 可为n n c 提供误差e e o ) 或其梯度反向传 播通道。由于参考模型输出可视为期望输出，因此在对象部分已知的情况下，若将 n n c 改为常规控制器，此法将与前面介绍的间接自校正控制方法类同。 3 2 2 2 神经网络自校正自适应控制 神经网络自校正控制可分为直接和间接控制，它们的根本区别在于：前者使用常 规控制器，离线辨识的神经网络估计器需要具有足够高的建模精度；而后者则同时使 用神经网络控制器和神经网络估计器，其中估计器可在线修改。 ( 1 ) 直接自校正控制 神经网络直接自校正控制，有时也称神经网络直接逆控制，它们本质上是完全一 致的，其结构框图如图3 2 2 2 1 ( a ) 所示。 图3 2 2 2 1 神经网络自校正自适应 ( 2 ) 间接自校正控制 神经网络间接自校正自适应控制的结构框图如图3 2 2 2 1 ( b ) 所示。 硕士论文 电液伺服系统神经网络自适应控制 不失一般性，假定被控对象为如下单变薰仿真非线性系统： y + l = o , ) + g k i ( 3 3 5 ) 若利用神经网络对非线性函数，女) 和g ( y 女) 进行离线辨识，得到具有足够逼近 精度的估计值广( y t ) 和雪c y i ) ，则常规控制规律可直接给出为： 旷 y d k + 1 - - 如。) 。e ) 其中y d “1 为k + l 时刻的期望输出值。 3 3 神经网络自适应控制器设计8 1 3 1 3 日蜘瑚1 “2 1 。1 神经网络自适应控制系统应用神经网络来充当辨识结构和控制器，在运行条件不 肯定或随时间变化的情况下，它能根据对被控系统的输入量和输出量的在线观测所积 累的信息，实施有效的控制，修改控制器及辨识网络的权值或闽值，从而使系统处于 规定的( 一般是接近最优的) 状态。 本课题设计的神经网络自适应控制系统如图3 3 1 所示，它由两个b p 神经网络组 成。图中3 7 一l 单隐层网络用作手控制器，4 - - 9 1 单隐层网络用于对象模型辨识， 整个系统采用串并联结构。 硕士论文 电液伺服系统神经网络自适应控制 图3 3 1 神经网络自适应控制系统 3 3 1 基于神经网络的辨识 由于控制领域所面对的系统和过程越来越复杂，其机理很难弄清，精确模型很难 得，为了解决这一问题，在控制理论中提出了系统辨识的手段。但是传统的辨识方法， 对线性系统总会在现有的模型类中找到合适的描述模型，对非线性系统和时变系统， 目前还找不到易于处理的统一的数学模型。现有的进展还只是在某些特殊类型的非线 性系统和慢时变过程方面。与传统的基于算法的辨识方法相比较，神经网络用于系统 辨识具有以下优点： 1 不要求建立实际系统的辨识格式，可以省去对系统建模这一步骤 2 可以对本质非线性系统进行辨识： 3 辨识的收敛速度只与神经网络本身及其所采用的学习算法有关； 4 通过调节神经元之间的连接权即可使网络输出逼近系统输出； 5 神经网络也是系统的一个物理实现，可以用于在线控制。 因此神经网络目前正被广泛地用于复杂系统辨识。 3 3 2 神经网络辨识原理 神经网络辨识实质上是选择一个适当的神经网络模型来逼近实际系统。神经网络 硕士论文电液伺服系统神经网络自适应控制 对非线性系统进行辨识是通过直接学习系统的输入输出数据，目的是使所要求的误 差函数达到最小，从而归纳出隐含在系统输入输出数据中的关系，这个关系隐含在 神经网络内部，究竟表现为何种形式，对外界是不可知的，并且人们关心的并不是神 经网络以什么样的形式去逼近实际系统，而只要神经网络的输出能够逼近同样输入信 号激励的输出，则认为神经网络已充分体现实际系统特性，完成对原系统的辨识。 图3 3 2 1 给出了基于输出误差的神经网络辨识结构框图。其中的神经网络既可 以是一般的多层前向网络结构，也可以是h o p f i e l d 网络，或r b f 网络。它一般是静态 的网络，而对控制系统来说，人们所关心的是它的动态特性，因此可以通过递推结构， 反映系统的动态模型，本文将利用b p 神经元网络来辨识系统。 图3 3 2 1 神经网络模型的辨识结构 图中p 一被辩识系统； 声一被辩识系统的神经网络模型： “( ) 一输入数据序列： y ( 七) 一不含噪声的系统输、出数据序列； v 僻) 一噪声； z 伍) 一含有噪声的系统输出数据序列； 歹 ) 一模型输出数据序列； 硕士论文电液伺服系统神经网络自适应控制 p ) 一模型输出与含有噪声的系统输出的误差用于修正辨识算法； 3 3 3 基于神经网络的辨识模型 基于神经网络的辨识模型有如下两类： 1 ：并联模式 以一简单的非线性系统为例 y + 1 ) = a o y ) + q y 忙一1 ) + g l g ) 】 令辨识模型具有相同的结构，即 萝 + 1 ) = 鼠多 ) + a 。多 一1 ) + k 忙) 要辨识参数氐、反，在辨识过程中不断的修正氐、磊，而模型输出多 ) 受到的影响在此情况下不能保证辨识收敛。该辨识模型结构图见图3 3 3 1 ( a ) 。 ( 3 - 3 7 ) ( 3 - 3 8 ) ( a )( b ) 图3 3 3 i 神经网络辨识模型 2 ；串并联模式 为了克服并联模式不收敛的缺点，我们采用p 的输出( 而不是声的输出) 作为声的输 入t 这种系统辨识是串并联模式，该辨识模型结构图见图3 3 3 1 ( b ) 。此时辨识模型变 为： ) ( k + o - - h o y ) + 蟊y ( 七一1 ) + - o ) 】( 3 - 3 9 ) y ) 、y + 1 ) 与辨识模型p 无关，毛、蟊与夕o + 1 ) 是线性关系：它们的辨识很容易 解决，在一般情况下串并联模式能收敛。 3 3 4 神经网络辨识器( n n i ) 设计 本课题采用前馈b p 神经网络作为辨识器，已证明，具有三层结构的前馈神经网络 可以在一个紧集上以期望的精度逼近任意函数，神经网络用于辨识正是基于该理论。 3 3 硕士论文电液伺服系统神经网络自适应控制 采用b p 网络对实际系统进行辨识和控制时，首先考虑各层网络结点选取的问题， 本课题中被控对象为s l s o 非线性系统，所以各层网络结点个数按下面原则进行选取； 1 输入层i 聆，p + q ，p 和q 分别为输出移o ) ) 和输入函( r ) ) 的阶次； 2 隐含层h目前，隐含层结点个数的选取还没有合理的指导，一般选取 片2 n t + l ； 3 输出层0 该层结点数为待辨识系统的输出个数； 综上所述该辨识器的输入层结点个数为4 ，隐含层结点个数为9 ，输出层结点个数 为l 。辨识器结构如图3 3 4 1 所示： 图3 。3 4 1b p 神经网络辨识器 如图所示，网络的输入层有4 个结点，其构成为 棚= 【甜y m ( k - i ) ：) 2 登轰1 4 。) 艇阱主拶槲 ) 一秽协吼一 9 ) ( 3 - 4 1 ) 【d 5 2 ) = g , ( n e t j ( k ) ) 。 其中积) 为输入层与隐含层各结点间连接权值；谚g ) 为隐层结点的阀值； 硕士论文电液伺服系统神经网络自适应控制 够) 噼) 为隐层输出g t ( ) 为隐层的激励函数，一般取非线性函数，这里取双曲正切 函数。网络的输出层结点数为1 ，其构成为： 一 ) = 私嘴 ) 一舻 ) ( 3 _ 4 2 ) i ( k + 1 ) = f j ( n e t s ( k ) ) 式中q + 1 ) 为网络的输出， 砖o ) ) 为隐层与输出层各结点的连接权值，酽g ) 为输出节点的阀值， ( ) 为输出层的激励函数，这里取s i g m o i d 函数。 多层前馈神经网络就是通过使网络的实际输出值与期望值的误差的平方和e 最小 来修正权值，从而使网络逼近期望值。取性能指标： e 球) = 妻 + 1 ) 一征+ 1 ) ) 2 ( 3 - 4 3 ) 采用基本b p 算法对权值进行修正，其算法如下： 拶) = - 军端+ 础焖 ( 3 - 4 4 ) w 1 ) _ 一刁赫+ 删悯 ( 3 - a 5 ) 由式( 3 - 4 2 ) 和式( 3 - 4 3 ) 可得： 端= 羽o e ( k ) 端渊山睁删咖删d 5 2 怕( 3 。e ) 由式( 3 - 4 3 ) 和式( 3 - 4 2 ) 和( 3 - 4 1 ) 可得： 蔫= 罴端渊豁渊 。， = 一陟 ) 一，_ ) 】勋e ) ) 砖( 七) g ；0 e o 蜘9 g ) 式中k 为迭代步数，叩和口分别为学习率和惯性系数，增加惯性项可避免学习过 程中的振荡，使学习率取较大值，从而加快收敛速度。 3 3 5 神经网络控制器( n n c ) 设计 本课题选用b p 神经网络作为神经网络控制器，根据3 3 4 节取各层结点的方法确 硕士论文电液伺服系统神经网络自适应控制 定其结构，输入层结点个数为3 ，隐含层结点个数为7 ，输出层结点个数为1 。控制器 结构如下图3 3 5 1 。 如图所示，网络输入层有3 个输入， x i = y d ) ，x 2 = y 一1 ) ，工3 = u ( k - 1 ) ( 3 4 8 ) 网络的隐含层有7 个结点，其构成为 4 蜘主咄 眇) 一掣 ) 7 ) 4 9 ) i 毋 ) = 五“ ) ) 其中g ) 为输入层与隐含层各结点间连接权值；伍) 为隐层结点的阀值； 口5 2 0 ) 为隐层输出，五( ) 为隐层的激励函数，取s i g m o i d 函数。 网络的输出层结点数为l ，其构成为： b伍)_圭蜊g蟛g)一鳇(七)(3-50)=1 z 、【“( 七) = 岛伍 ” 式中” ) 为网络的输出， 埋 ) j 为隐层与输出层各结点的连接权值，鳄( 七) 为输出 节点的阀值，g c ( ) 为输出层的激励函数，取为线性函数。 取性能指标函数为：e ( 七) ：昙( y d ( 七+ 1 ) 一y + 1 ) ) 2 ( 3 - 5 1 ) 硕士论文电液伺服系统神经网络自适应控制 经过适当的学习y m + 1 ) 将逼近y + 1 ) ，因此性能指标可用： e ”= i 1 ( y d 辑+ 1 ) 一j ， + 1 ) ) 2 ( 3 - 5 2 ) 采用最速下降法( 即负梯度方向) 调整网络连接权，并附加一个使搜索收敛极小的 惯性项。 螂叫羽a e ( k ) + 跳删0 ) ( 3 5 3 ) 羽a e ( k ) = 羽o e ( k ) 谢端端 ( 3 5 4 ) 一= 鬻= 端渊豁错濂o 蝴踟。 蝴 熙吃ob, ) “ 煞： 硼 ) 1 p 7 黑：一 ) 一 羽一协咔j 一婶j ) 由( 3 5 5 ) ( 3 5 6 ) ( 3 5 7 ) ( 3 5 8 ) 输出层结点与隐含层结点连接权调整式为 ( 3 - 5 5 ) ( 3 - 5 6 ) ( 3 - 5 7 ) ( 3 - 5 8 ) 础酝+ 1 ) = 叩饥g ) 一，k 啦妒0 ) g ( 2 ) + 盘刊碧 ) ( 3 5 9 ) 隐含层连接权调整： 蠼) - _ ，7 端o w + 删 ：二i 盯， ( 3 - 6 0 ) 端= 器渊器端掣端c s e ， 鞣：础 副，坼) “n r 川 ( 3 - 6 2 ) ( 3 - 6 3 ) 3 7 硕士论文电液伺服系统神经网络自适应控制 糍撕) ( 3 - e a ) 由( 3 - 5 5 ) ( 3 - 6 1 ) ( 3 - 6 2 ) ( 3 - 6 3 ) 隐含层结点与输入层结点调整式为： 蛾 +