热门关键词:

基于RBF网络监督和单神经元自适应控制器

  • 该文件为pdf格式
  • 文件大小:196.72KB
  • 浏览次数
  • 发布时间:2014-08-21
文件介绍:
本资料包含pdf文件1个,下载需要1积分

IIRBF神经网络是-种 3层前向局部逼近的神经网络,因而采用RBF网络可大大加快学习速度并避免局部极小问题,适合于实时控制的要求f。以往的 RBF神经网络和单神经元组成的网络系统中,RBF单独地作为辨识器对未知系统进行实时辨识文献 做了相关研究,控制结构,如图 1所示。这种控制结构中辨识器和控制器分别作用,辨识器的辨识结果没有作用于控制器。

图 1基于RBF辨识器的神经网络控制结构图Fig.1 Neural Network Contml Structure Based on RBF Identifier对于被控系统模型已知的情况下,将 RBF网络监督与单神经元组成控制器-RBF-单神经元控制器,结合了RBF网络和单神经元的优点,提出了-种新的控制器结构,如图 2所示。通过分别对 RBF-单神经元和传统的RBF-PI进行模拟,仿真结果表明新的RBF-单神经元控制器相应更快误差更小 ,这在实际控制中有着重要意义。

图2 RBF-单神经刎制器的控制结构图Fig.2 The Control Structure Diagram of Single Neuron RBF-Controller2 RBF-单神经元自适应控制器的算法RBF单神经元自适应控制控制系统详细结构,如图3所示。

2.1单神经元自适应算法单神经元自适应控制器是通过对加权系数的调整来实现自来稿日期:2012-10-10基金项目:中央高校基本科研业务费资助项目(2009B29914)作者简介:唐亚鸣,(1972-),男,安徽人,副教授,主要研究方向:机械电子第8期 唐亚鸣等:基于RBF网络监督和单神经元自适应控制器 33适应、自组织功能,控制算法为 :3(后) (.i-1) ∑ ( ) (J)I-I如果权系数的调整按有监督的 Hebb学习规则实现,在学习算法中加人监督项 ( ),神经网络权值学习算法为:Wl(k)Wl(k-I)rlz(k)up(k) 1(k);2(k) 2(k-1) (豇)u (k) 2(蠡);(k)W3(k-1)nz(k) (k) 3(k o式中:z(i) ( ), 。(Il) ( ),x2(k)e(k)-e(k-1), ,( )△e(j)e(k)- ( -1)e( -2),矿 习速率;K-神经元的比例系数,K>O,竹∈(0,1 o图 3详细控制结构图Fig.3 Detailed Contml Structure Diagram2.2 RBF网络监督算法在 RBF网络结构中,取网络的输人为 r(k),网络的径向量为日 ,h ,h , 为高斯基函 ,El-(.- )式中dl,,m, 点的基宽参数;bj>O, 网络第J个节点的中心矢量, [c ,c ] ,曰[ 。,b 。网络的权向量为 W 。,W 。

RBF网络输出为: ( ) Wl · W式中: r-RBF网络隐层神经元的个数。

根据神经网络监督控制原理,要想使神经网络控制器占主导地位,设神经网络调整的性能指标为 ( ) ( (.j)-u(k)),近似扰 言 ,由此所产生的不精确通过权值调节来补偿。

采用梯度下降法调整网络的权值为:( - 器 :,7(u ( (J) ( )神经网络权值的调整过程为:w(k) (.1-1) (.i) ( (k-1)-w(k-2))式中:,r-学 习速率; -动量因子。

3实验仿真3.1电机仿真参数的确定现有东元伺服电机,数学模型简化为 丽 丽 。五次多项式曲线:.s西310×( t)-15×4 5 ( t)6×( t),s是电机转角,假设(0fs2),即周期为 2s∏速度 W则是以上公式的求导 : Zr 2 3 4 130×( t)-60×( t)30×( t)J,假设(o 2),式中:H 大摆角。这里假设 为电机转动四圈即8 ,W作为输入r。

3-2仿真结果与分析分别用 RBF-单神经元和RBF-PI控制对伺服电机控制进行了仿真被控对象为:,( )(-0.0031/0.1934)×y( -1)(1/0.1934)X u(k-1), 2 3 4 、输人指令为:r( )60 (争专 ),采样时间为 ,单神经元算法采样有监督的Hebb学习规则实现权值的学习,初始权值取 [ W2W ][0.1 0.1 O.1], .4,K0.12。RBF网络隐层神经元个数取m4,网络结构 1-4-1,网络的初始权值 取(O-1)之间的随机值,高斯函数的参数值取G[-2-1 1 2] ,曰[0.5 0.50.5 0.5] 网络权值学习参数为ro.3,aO.05。仿真结果,如图4~图6所示。

图4输入与输出比较Fig.4 Comparison of Input and Output图5局部放大图Fig.5 Partial View(下转第37页)No.8Aug.2013 机械设计与制造 37能驱动扑翼飞行器实现最大起飞重量 240g的飞行 ,各项指标符合总体设计的要求。

7结论扑翼飞行器作为-种新概念飞行器,目前尚无完整的理论设计体系,大部分研究存在-定盲目性。针对扑翼飞行器设计研制的实际要求,提出了-种扑翼飞行器总体设计-扑动翼气动实验-电机特性实验-驱动机构设计-样机研制与实验的研究思路,各个步骤紧扣仿生规律和实际飞行需求,所研制的扑翼驱动系统各项指标符合总体设计要求,设计过程具有较强的工程应用可行性,为扑翼飞行器研究提供了-种切实可行的设计方法。

正在加载...请等待或刷新页面...
发表评论
验证码 验证码加载失败