非线性系统模糊神经网络控制的改进策略

非线性系统模糊神经网络控制的改进策略

第27卷第4期2010年4月

文章编号:1000 8152(2010)04 0466 07

控制理论与应用

ControlTheory&Applications

Vol.27No.4Apr.2010

非线性系统模糊神经网络控制的改进策略

俊,陈建军

(西安电子科技大学机电工程学院,陕西西安710071)

摘要:针对以模糊神经网络自适应方法为核心的不确定非线性系统控制问题,以常规静态模糊神经网络控制结构为基础,分别就控制器、辨识器及优化算法3个方面展开改进研究.以一种改进结构的动态PID型模糊神经网络为控制器,最小二乘支持向量机为辨识器构成控制系统.利用带混沌搜索的量子粒子群算法离线优化结合在线误差反传微调的寻优策略优化控制器参数,带混沌扰动的粒子群离线优化支持向量机的核参数,并通过对系统稳定性的讨论将改进的控制系统逐步完善.对某热交换对象模型的数值仿真验证了该改进方法的可行性和有效性.关键词:非线性系统;PID型模糊神经网络;最小二乘支持向量机;混沌优化;量子粒子群优化算法中图分类号:TP273+.2文献标识码:A

Improvingstrategiesonfuzzyneuralnetworkcontrolfor

nonlinearobject

ZHAOJun,CHENJian-jun

(SchoolofElectromechanicalEngineering,XidianUniversity,Xi’anShaanxi710071,China)

Abstract:Basedontheconventionalcontrolmethods,westudyandimprovethefuzzy-neural-network-adaptivecontrolforasystemwithunknownnonlinearities.Thecontroller,identi erandoptimizationalgorithmoftheschemearedesignedrespectivelybytheimprovedmethods.Astructure-improvedPID--typefuzzy-neural-networkisusedasthecontroller,andtheleastsquaressupport-vector-machine(LS--SVM)isemployedastheidenti er.Theparametersofthecontrollerareoptimizedbytheof inequantum-behavedparticle-swarm-optimization(QPSO)withchaosstrategycombinedwiththeonline-error-back-propagationtuning.ThekernelparametersoftheLS--SVMareoptimizedbyPSOwithchaosoptimiza-tion.Thestabilityoftheimprovedschemeisdiscussedintheconclusionsectiontocompletethepresentationofthewholedesignmethod.Finally,simulationresultsonaheatexchangershowthefeasibilityandvalidityofthedesignedcontrolsystem.

Keywords:nonlinearsystem;PID--typefuzzyneuralnetwork;leastsquaressupport--vector--machine;chaosoptimiza-tion;quantum-behavedparticleswarmoptimizationalgorithm

1引言(Introduction)

近年来,因智能方法在处理非线性问题上具有显著优势,使其在控制领域中逐渐发挥出无可比拟的作用,尤其是以结合模糊推理和神经网络自适应为主的模糊神经控制方法,得到广泛地关注.早期的模糊神经控制方法[1]主要以模糊神经网络(fuzzyneuralnetwork,FNN)作为控制器,静态多层前向网络为不确定对象辨识器,采用梯度法进行学习训练,缺乏算法的收敛性保证及理论上的稳定性分析.于是,以Lyapunov理论为主的稳定性分析方法[2]逐步得到了发展和应用,这类方法大多以静态多层前向网络辨识系统的非线性部分,通过构造系统的动态逆并保证学习过程中系统的稳定性.然而,静态网络

无法较好地逼近一个动态系统,如无法产生极限环和混沌等动态行为,从而失去对原系统的准确表述,影响控制品质[3].为此,对静态网络的结构进行动态改进来表述系统动力学行为成为了非常重要的研究方向[4,5].不仅如此,传统FNN作为控制器本身也是一种静态网络,对其进行拓扑优化及动态改进也具有非常重要的意义.同时,控制器及辨识器的参数优化关系到控制系统初始时的控制性能和在线控制时的稳态、动态性能,其优化算法需深入研究,尽可能地避免算法收敛到不满足精度要求的局部极小[6,7].本文分别对控制系统中的控制器、优化算法、辨识器进行了详细地分析研究,通过结合在一类模糊PID控制基础上改进结构的PID型FNN和最

收稿日期:2008 07 23;收修改稿日期:2009 04 15.

基金项目:国家“863”计划资助项目(2006AA04Z402);国防预研资助项目(Y13406040101).

Word文档免费下载Word文档免费下载:非线性系统模糊神经网络控制的改进策略 (共7页,当前第1页)

你可能喜欢

  • 神经网络模型
  • 非线性控制
  • 音乐知识
  • 控制系统设计
  • 神经网络综述
  • 模糊神经网络

非线性系统模糊神经网络控制的改进策略相关文档

最新文档

返回顶部