文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 交通运输 > 负载模拟器的DRNN神经网络控制
侵权投诉

负载模拟器的DRNN神经网络控制

负载模拟器的DRNN神经网络控制

维普资讯 doc.guandang.net 第 3 9卷第 1期

机

械

工

程

学

报

v 19。。3 . N . 1 Jn a. 200 3

2003年 1月

CHI ESE OU RNAL N J 0F ECHANI M CAL ENGI EERI G N N

负载模拟器的 DR NN神经网络控制木 华清焦宗夏 10 8) 0 0 3 (北京航空航天大学自动化科学与电气工程学院北京

摘要:为了增强负载模拟器的自适应能力以抵抗系统的非线性、时变参数及运动扰动的影响,特提出利用对角回归神经网络( NN) PD的并联进行控制与调节的控制方法 P D保证了系统的初始稳定性,由于神经网络引 DR与 I I 入了速度信号作为参考输入,使系统具有了很好的自适应消扰能力,减小了多余力的影响仿真和试验证明了该方法的可行性和有效性,收到了很好的控制效果。

关键词:电液负载模拟器 中图分类号:T 3 H1 7

神经网络控制

智能 PD多余力 I

隐含层为回归神经元。

0前言 与静态网络相比,回归网络具有更好的处理动态问题的能力[。当神经网络用于实时控制时,一 1】

般希望网络规模尽量小,这样可以减小运算量。对角回归神经网络 ( ao a rcretnua ewok Dig n l eurn e rl t r, n DR NN)隐含层是具有内反馈的神经元层,可以的不需要像静态网络那样通过外时延环节来描述动态系统,网络模型可以更为简单。神经网络用于逆控 制时,系统的控制精度直接取决于逆模型的精度, 由于系统的动态非线性特性,使用静态网络来估计逆模型是不恰当的,而对角回归网络正好可以弥补

这一缺陷。本文给出了一个基于对角回归神经网络的电液负载模拟器实时跟踪控制方案。DR NN与 一

图 1对角回归神经网络结构示意图 ——

个常规 PD反馈控制器一起用于系统的实时控 I

网络的第 i输入 个

制。DRNN以减小 PD控制器的输出作为目标在 I线修正其网络参数,并在训练过程中逐步取代 PD I控制器。PD控制器的作用是一方面使系统稳定工 I作,另一方面为神经网络的训

练提供“目标指引信号”[。网络参数调整采用动态偏差反向传播算法 2】

D——网络的输出

Wo——隐含层第个神经元的输出权; j ——

第 i输入与第个隐含层神经元之间的连接权个 —

—

第个隐含层神经元的输入 第个回归元的输出

—

—

—

—

第个回归神经元反馈 (归)值 回权

(B ) D P。为了加快收敛速度、减小运算量,输出层、 输入层和回归层的权值采用梯度下降法,各层学习 速率可以不同。

输入输出映射关系由如下方程描述

Df∑Wj ) (= o ) X X )=f( ) S )

() 1

1对角回归神经网络 ( NN)数学 DR的模型 三层对角回归神经网络的结构如图 1所示【, l钔,。 3

() 2

)=

一)∑ 1+

)

() 3

·国家自然科学基金资助项目 ( 0 7 0 6。 20 0 1 5 0 5 0 ) 0 23 3收到初稿 2002 0 2 6 8收到修改稿

)一:·专

() 4

负载模拟器的DRNN神经网络控制

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email