网络环境下一类中立型神经网络的自适应同步控制算法研究

1、-范文最新推荐- 网络环境下一类中立型神经网络的自适应同步控制算法研究 摘要：本论文讨论了网络环境下一类中立型神经网络的自适应同步控制问题。首先在不带有网络的情况下，考虑驱动系统参数对于响应系统部分未知的情况，对现有的自适应控制器进行了仿真，并给出了响应系统参数随时间变化的收敛趋势。通过仿真验证了这种控制策略的有效性。其次，将网络环境纳入考虑的范围，使用TrueTime工具箱对无线网络和有线网络环境进行仿真，研究分析这种自适应控制器的设计方法在网络环境下的有效性以及不同网络环境对这一类神经网络同步性能的影响。6499关键词神经网络网络控制自适应TrueTime仿真毕业设计说明书（论文）外文摘要

2、TitleResearch on the network-based adaptive synchronization control of a class of neural-type neural networksAbstractIn the dissertation, we discuss the adaptive synchronization control of a class of neural networks of neural-type under the networked environment. First, we consider the case that the

3、 parameters of the master system are partly unknown to the response system without the networked environment. According to the existing adaptive controller design method, we develop a simulation platform and display the convergence trend of the parameter of the response system. We also verify the ef

4、fectiveness of this control strategy by simulation. Second, the effects of the communication network are taken into consideration. By using the TrueTime toolbox of MATLAB, we develop a platform to simulate the wireless network communication, and further analysis the effectiveness of the method above

5、 under the networked environment. The effects of the network parameters to the synchronization performance are also discussed. Finally, we come to our conclusion and provide some discussions.KeywordsNeural networknetworked controladaptiveTrueTime 3.5本章小结37结论38致谢39参考文献401. 绪论1.1人工神经网络背景介绍人工神经网络(Artif

6、icial Neural Network，ANN)是在认识人脑结构和运行机制的基础上，模拟其结构和运行机制形成的由大量处理单元相互连接组成的信息处理系统。人工神经网络是对大脑神经网络系统的一种描述，由很多简单的处理单元(神经元)按照某种方式连接而成，通过其状态对外部的输入信息进行处理。简单来说，人工神经网络是一种数学模型，是人工智能的一种研究方法，可以通过电子线路来实现，也可以通过编程实现1。人工神经网络的研究起源于1800年，Frued在其精神学分析时期做了一些关于人工神经网络系统的研究。1943年，美国心理学家Warren S McCulloch和数学家Walter H Pitts共同开创

7、了对人工神经网络的理论研究，提出了神经元的数学模型(MP模型)。1949年，心理学家DOHebb提出人工神经网络学习机理“突出修正假设”。1957年，Frank Rosenblatt制作了感知器，将人工神经网络的研究从理论阶段转入过程实现阶段，由此开始了世界各国研究人工神经网络的高潮。目前人工神经网络已在模式识别、信号处理、组织优化、故障诊断、预测估计和经济管理等领域得到了广泛的应用。1.1.1生物神经元与人工神经元人脑是个复杂的信息并行加工处理系统，神经元是人脑最基本的组成单元，也是构成神经系统的基本单元，能够接收和加工处理信息。生物神经元由树突、细胞体、轴突和突触组

8、成，其中树突是生物神经元的输入端，接受其他神经元传递来的信息；细胞体是生物神经元的主体，是生物神经元新陈代谢的中心，负责接收和处理其他神经元传递来的信息；轴突相"-3于生物神经元的输出端，生物神经元通过轴突向其他神经元传递信息；突触连接生物神经元的轴突与其他神经元的树突，实现信息的传递。 1.1.3人工神经网络优点人工神经网络具有以下几个方面的优点：(1)非线性性。人工神经网络是由众多的神经元(节点)组成，每个神经元采用非线性的传递函数，整个神经网络在本质上是由众多的非线性处理元组成的非线性系统，故其在处理非线性问题上具有其他研究方法无法比拟的优势。(2)自学习和自组织性。人工神经网

9、络通过已有的样本进行学习，发现已有样本的内在规律及特性，其在学习过程中无需对样本的空间分布状态做任何假设。(3)容错性。在人工神经网络中，信息是分布式存储在各个神经元间相互连接的权值上，少数神经元的损坏只会稍微降低系统的性能，但不会破坏整个系统。人工神经网络可以克服统计等方法的限制，具有处理资料遗漏或者错误的能力。(4)并行性。人工神经网络通过学习训练获取信息并建立模型，在学习训练的过程中，同一层的各个神经元同步学习训练，提高了系统处理问题的能力。(5)自调节性。人工神经网络各个节点的权值可以随着具体任务与情况的变化而修改，从而具有适应环境和保持系统稳定的能力。人工神经网络具有上述的优点，但也

10、有容易陷入局部极小值的缺点，网络结果可能只是局部最优解，不能保证训练结果是误差超平面的全局最优解。1.2网络控制背景介绍1.2.1网络控制系统概述随着控制系统规模的日益扩大，很多控制系统采用现场总线等技术构成一个控制网络。这种控制网络属于一种完全的分布式控制结构，具有信息资源能够共享、连接线大大减少、易于系统的扩展等优点。但另一方面，由于网络中的信息源很多，信息在传送时要分时占用总线，而网络的通信带宽有限，因此不可避免地存在着信息的碰撞、重发等现象，这就使得信息在传输过程中不可避免地存在着延迟。而且随着通信协议和网络中负载情况的变化，该延迟是随机时变的。 1.2.2网络控制系统发展历程20世纪

11、中期，计算机开始进入工业控制的舞台，由于当时计算机技价格昂贵，人们便企图用一台计算机尽可能多取代控制仪表，于是产生了直接数字控制系统（DDS）。但由于计算机技术尚不发达且可靠性差，引起了控制系统危险集中的脆弱性问题，即一旦计算机出现某种故障，就会造成所有相关控制回路瘫痪、停产的严重局面。20世纪70年代中期，随着计算机可靠性的提高，价格的大幅度下降，出现了数字调节器、可编程控制器以及集散控制系统（DCS）。DCS吸收了分散仪表控制系统和计算机集中式控制系统的优点，体现了管理的集中性和控制的分散性。虽然与DDS相比，DCS具有协调性、自主性、风险分散等优势，但其仍然是模拟数字混合系统，模拟信号的

12、转换和传输使系统精度受到限制。其次，它结构上遵循主从式思想，没有完全突破集中控制模式的束缚，系统可靠性有限。现场总线技术（FCS）兴起于20世纪90年代，其适应了各行业现场测控方面的需求，形成了多标准并存的局面。FCS是以现场总线作为底层网络，通过网络集成构成的自动控制系统。它突破了DCS系统中采用专用网络的缺陷，把专用封闭协议变成标准开放协议，将现场的各种控制器和仪表设备相互连接，把控制功能下放到现场。同时它使系统具有完全数字计算机和数字通信能力，提高了系统的可靠性和灵活性，但是FCS系统多标准共存，不同标准的系统不易互联，从而形成了市场垄断，造成用户选型、维护及使用上的极大困难。由于控制系

13、统的开放性差等原因使得工业以太网技术迅猛发展。由于以太网具有广泛的技术支持，传输速度高、资源共享能力强、易于组网等优势，工业以太网正逐步进入工业控制网络领域。TCP/IP/协议是跨平台的通信协议款，能方便地实现异种机互联，TCP/IP协议由信息网络向底层控制网络延伸和扩展，形成了控制与信息一体化分布式全开放网络，即符合计算机、网络和控制技术融合的潮流NCS系统。 （二）现场总线控制系统（FCS）1应用现状。现场总线发展迅速，处于群雄并起、百家争鸣的阶段。目前已经开发出40多种现场总线。现场总线国际标准IEC61158中采用了8种类型的现场总线标准，容纳了8种互不兼容的协议，造成了多种现场总线标

14、准并存的局面。2发展趋势。虽然FCS的标准统一上还存在问题，但是其发展却已是一个不争的实施。现场总线控制系统体系结构正日益清晰，其网络结构趋于简单化，大量采用成熟、开发和通用的技术，越来越多的企业开始采用TCP/IP协议，采用工业PC甚至普通PC作为其操作设备，控制设备采用标准的PLC或工业控制计算机。构建新型的现场总线控制系统与传统的控制系统想融合的局面。（三）以太网1应用现状。工业自动化控制系统的网络结构发展越来越分散化，系统越来越复杂，内部的连接越来越高速化、紧密化，对驱动器和用户接口的需求越来越多，使得具有高传输速率、高传输安全性和可靠、不需要考虑网络的拓扑结构、不需要考虑网络的扩展的

15、以太网技术得到了广泛的应用。随着以太网交换技术的出现，通过全双工交换技术，避免了以太网CSMA/CD的碰撞缺陷，实现优先级机制及网络带宽的最大利用率和最好的实时性能。使得以太网成为当今工业过程控制的主流之一。但目前，以太网还只适合于工业控制网络系统的信息层，只能部分代替现场总线。2发展趋势。目前普工业以太网，面临一系列的如确定性、实时性、安全性、抗干扰能力，现场设备的供电问题、网线的物理性能提高等技术难题。因此解决上述问题成为工业以太网技术发展的关键。1.2.4网络控制系统存在的问题及未来研究的主要方向 在过去的几年中，人们对网络控制系统的研究取得了很多成果13-15。一般的网络控制系统关注闭

16、环中存在以网络作为通信媒介的控制系统的稳定性与镇定问题。这里所考虑的网络化的同步控制也是一种网络控制系统。简单地说，基于驱动一响应模式的网络化同步控制，事实上可视为一种网络化的采样跟踪控制系统，但是这里跟踪对象可能是一个混沌系统，信号的传输具有网络特性。目前在国内外均未见关于这一方面研究成果的报道。1.4本章小结本章对本篇论文所涉及的三个主要概念：神经网络、网络控制以及网络环境下的神经网络同步做了一些基本介绍，介绍了相关的背景知识、目前的研究进展和发展前景等。2.含有未知参数的中立型神经网络自适应同步2.1引言最近一段时间以来，人们越来越关注神经网络在实际中的应用，对于神级网络的研究也越来越多

17、 16。而对时滞神经网络的稳定性及相关控制问题的研究也正不断吸引着人们的目光17，因为在实际应用中，各种元器件的运算速度总是有限的，而信号的处理与传输有可能产生拥塞，这就使得信号传输的时滞现象在所难免。与此同时，在一些系统中引入适当的时滞，可以使系统拥有更为复杂的动态特性，大大提高系统的适用性。中立型神经网络是时滞神经网络的一种，这种系统最大的特点就是将系统过去状态的变化率应用到系统动态特性的描述中。从物理学角度上讲，同步意味着某一系统的轨迹(渐近)收敛于另一系统，并相互保持持续一致的一种动力学现象。自Pecora和Carroll于1990年提出了混沌同步概念，并在电子线路上首次观测到同步的现

18、象后，极大地推动了混沌系统同步的理论研究。他们提出的实现系统同步策略称为驱动一响应方法12,18。 (3)其中 为系统的状态向量， 为控制输入，矩阵 , 以及 为需要估计得系统参数。这里我们采用控制策略 ,其中 。令 ，则有系统(2)和（3）得误差系统(4)其中 。本章的目标是设计适当的控制增益K、系统参数 ， 以及 的自适应更新规则使得误差系统（4）稳定，即 ，并且当 ，系统参数 ， 和 将分别收敛到常数矩阵A0，B0和W0。从而实现驱动系统（2）和响应系统（3）的动态行为全局同步。2.3控制策略的选取这里我们采用文献26中所给出的自适应控制算法。若存在对称正定矩阵 和对角矩阵 使得如下线性

19、矩阵不等式成立(5)其中 ， , ,控制增益按如下规则更新(6)参数的自适应规则按如下方式选取其中 ， 以及 ， 为任意正常数，则系统（4）的动态行为全局同步于系统（2）。若 ，参数 , 以及 将收敛。需要指出，响应系统的参数未必会收敛到驱动系统参数同样的值，也即A0，B0，W0未必和A,B,W的值一致26。2.4数值仿真考虑一个二维的中立型神经网络系统(8)系统参数如下给出图1系统（9）的状态曲线图图1给出了系统初始状态取为 ， 时系统的状态曲线图。采用如下系统作为响应系统(9)我们利用MATLAB/Simulink中对这一同步问题进行仿真。令K,A,B以及W的初始值均为零，自适应强度 以及

20、 。图2 驱动系统图3 响应系统图2和图3分别给出了驱动系统与响应系统在MATLAB中的仿真图。图4给出了系统运行是的误差变化曲线，显然响应系统（9）与驱动系统（8）的动态行为达到同步。另外，K,A,B,W分别收敛到,其随时间变化的过程分别如图5（a）-（d）所示，显然参数K,A,B,W均收敛到常数矩阵。 若响应系统通过一般的通信网络得到驱动系统的状态信息，则数据包的传输将会具有网络的特性。首先我们需要对用于通信的网络作如下假设。假设:本章中所采用的网络满足如下假设:(a)网络中的传感器均同步采样，采用相同的系统时钟;(b)数据包是单包传输并且带有时间标签;(c)网络中数据包的传输过程只存在网

21、络诱导时滞、网络丢包和错序现象。控制策略的选取同样采用上一章2.3中的控制策略。3.2TrueTime简介TrueTime 是一种基于Matlab/Simulink 的联合仿真工具，它是由瑞典Lund 工学院的Dan Henriksson和Anton Cervin等学者于1999 年针对网络控制系统的仿真提出的一种仿真工具箱，该工具箱针对每一特定的网络协议，可以实现控制系统与实时调度的综合仿真研究。其中的Wireless Network 模块可以设置各种网络参数，例如网络协议类型、网络传输速率、传输功率及最大允许重传次数等，该工具箱是目前网络控制系统理想的虚拟仿真工具28。TrueTime-1 5 包含6 个模块: 实时内核模块( TrueTimeKernel) 、网络模块( TrueTime Network) 、电源模块( TrueTime Battery) 、无线网络模块( TrueTime Wireless Network) 、发送消息模块( ttSendMsg) 和接收消息模块( ttGetMsg)29。将其中的某些模块与Si