基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的模型參考自適應(yīng)控制系統(tǒng)

【摘要】在常規(guī)BP神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制器基礎(chǔ)上采用改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)作為辨識(shí)器和控制器，組成新的模型參考神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)，利用改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)彌補(bǔ)傳統(tǒng)自適應(yīng)方法的不足，使系統(tǒng)具有更強(qiáng)的魯棒性，收斂更快，逼近精度更高的優(yōu)點(diǎn)。仿真結(jié)果表明，該系統(tǒng)比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)系統(tǒng)具有更好的穩(wěn)定性和更快的響應(yīng)速度。

【關(guān)鍵詞】改進(jìn)型BP型神經(jīng)網(wǎng)絡(luò)；模型參考；BP算法

引言

在現(xiàn)代化的工業(yè)生產(chǎn)中，隨著生產(chǎn)率的不斷提高，對(duì)產(chǎn)品質(zhì)量品種提出了越來越高的要求，使得生產(chǎn)過程變得日益復(fù)雜，要在越來越復(fù)雜的動(dòng)態(tài)系統(tǒng)及過程與環(huán)境高度不確定的情況下獲得更好的的控制效果，這就使得控制面臨新的挑戰(zhàn)。

1、BP神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法

1.1BP神經(jīng)網(wǎng)絡(luò)及傳統(tǒng)BP算法存在的問題

BP神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播算法（BP算法）的多層前向神經(jīng)網(wǎng)絡(luò)，BP算法也已成為目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，其三層前饋神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示。

其中，網(wǎng)絡(luò)響應(yīng)函數(shù)為：（1）

BP算法按梯度下降的原則多次修改輸入層至隱含層，隱含層至輸出層的相應(yīng)權(quán)值，直到滿足精度要求或網(wǎng)絡(luò)不收斂。眾所周知，BP網(wǎng)絡(luò)的學(xué)習(xí)過程是對(duì)一個(gè)高度非線性函數(shù)求全局最優(yōu)問題，網(wǎng)絡(luò)訓(xùn)練中存在兩個(gè)比較典型的問題。一是收斂速度慢，二是容易陷入局部極小。對(duì)此已有很多學(xué)者提出了各種解決方案和修正算法，如累計(jì)誤差校正算法、S函數(shù)輸出限幅算法、結(jié)合遺傳算法的優(yōu)化權(quán)值算法等。

1.2傳統(tǒng)BP算法的改進(jìn)

BP算法存在的上述兩個(gè)問題，其原因在本質(zhì)上是相同的，都是由于網(wǎng)絡(luò)的響應(yīng)函數(shù)造成的。BP算法中每次調(diào)節(jié)網(wǎng)絡(luò)權(quán)值的幅度均按與響應(yīng)函數(shù)導(dǎo)數(shù)成正比進(jìn)行，這樣，在誤差曲線平面較平坦處，網(wǎng)絡(luò)誤差大，偏導(dǎo)數(shù)值小，權(quán)值參數(shù)的調(diào)節(jié)幅度也較小，致使需多次調(diào)整才能降低誤差曲面；而在誤差曲面曲率較高處偏導(dǎo)數(shù)數(shù)值較大，權(quán)值參數(shù)調(diào)節(jié)的幅度也較大，致使在誤差函數(shù)最小點(diǎn)附近發(fā)生過沖現(xiàn)象，產(chǎn)生振蕩，難以收斂到最小點(diǎn)?，F(xiàn)通過慣性校正方法及重新構(gòu)造響應(yīng)函數(shù)法來克服這兩個(gè)問題。

1.2.1慣性校正法

分別對(duì)這些情況進(jìn)行仿真，得到圖3和圖4所示的仿真結(jié)果，圖3是基于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)作為控制器而得出的波形圖對(duì)比，圖4是基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)作為控制器得出的波形圖對(duì)比。

圖3中的曲線為參考模型輸出和改變參考模型參數(shù)時(shí)的波形輸出對(duì)比.其中，波形幅值最小的是參考模型輸出結(jié)果，改變系統(tǒng)模型的參數(shù)，輸出基本上能夠跟隨系統(tǒng)輸出，改變參數(shù)過大時(shí)，結(jié)果也可以在接受的范圍之內(nèi).實(shí)驗(yàn)結(jié)果表明，當(dāng)系統(tǒng)的數(shù)學(xué)模型和參考模型有較大差異時(shí)，采用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)而建立的自適應(yīng)控制器，盡管利用這種控制策略可以獲得比較滿意的結(jié)果，但是，系統(tǒng)的穩(wěn)定性較差，收斂性也比較慢些。

圖4中的曲線也是參考模型輸出和改變參考模型參數(shù)時(shí)的波形輸出對(duì)比，其中，波形幅值最小的是參考模型輸出結(jié)果，改變系統(tǒng)模型的參數(shù)，輸出基本上跟隨系統(tǒng)輸出，改變參數(shù)過大時(shí)，結(jié)果仍然在接受的范圍之內(nèi).實(shí)驗(yàn)結(jié)果表明，當(dāng)系統(tǒng)的數(shù)學(xué)模型和參考模型有較大差異時(shí)，采用改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)而建立的自適應(yīng)控制器，要比傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)而建立的自適應(yīng)控制器具有更好的穩(wěn)定性和更好的跟蹤效果。

4、結(jié)論

借助BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)而建立的自適應(yīng)控制器策略，不需被控對(duì)象的數(shù)學(xué)模型，只需對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后利用訓(xùn)練結(jié)果進(jìn)行控制系統(tǒng)設(shè)計(jì)。仿真結(jié)果可以看出，改進(jìn)型BP網(wǎng)絡(luò)結(jié)合自適應(yīng)控制設(shè)計(jì)出的控制器，比傳統(tǒng)的BP網(wǎng)絡(luò)結(jié)合自適應(yīng)控制設(shè)計(jì)出的控制器能夠更好的跟蹤被控對(duì)象.

參考文獻(xiàn)

[1]李界家.基于BP神經(jīng)網(wǎng)絡(luò)的中央空調(diào)溫度自適應(yīng)控制系統(tǒng)[J].儀表技術(shù)與傳感器，2007，12（16）：26：29.

[2]王贊松，許洪國(guó).快速收斂的BP神經(jīng)網(wǎng)絡(luò)算法[J].吉林大學(xué)學(xué)報(bào)，2003，4（33）：12-18.