1、第28卷第1期2004年1月信息技術(shù)I NFORM ATI ON TECH NO LOGY VO L.28NO.1Jan.2004基于神經(jīng)網(wǎng)絡(luò)的智能控制技術(shù)及應(yīng)用吳宏岐,張軍利,周妮娜(寶雞文理學(xué)院電氣系,寶雞721007摘要:介紹了神經(jīng)網(wǎng)絡(luò)控制的基本思想,對(duì)基于神經(jīng)網(wǎng)絡(luò)的智能控制系統(tǒng)的結(jié)構(gòu)、原理進(jìn)行了分析,并通過在解耦控制系統(tǒng)中的應(yīng)用,闡述了神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)方法。關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò);控制;模型中圖分類號(hào):TP183文獻(xiàn)標(biāo)識(shí)碼:A 文獻(xiàn)標(biāo)識(shí)碼:1009-2552(200401-0001-03The technology and application of intelligencecontrol

2、based on the neural netw orkWU H ong 2qi ,ZHANGJun 2li ,ZHOU Ni 2na(Dept .E lectronics &E lect .E ng .,B aoji Coll .Arts &Sci .,B aoji 721007,China Abstract :The essay introducesthe basic opininons about the control of neural netw ork and gives an analysis of the structure and theory based o

3、n the system of intelligence control of neural netw ork.By the application in the system of decoupling control ,it als o explains the im plementation methods of neural netw ork.K ey w ords :neural netw ork ;control ;m odel0引言 隨著被控對(duì)象變的越來越復(fù)雜、控制精度越來越高,使智能控制理論和技術(shù)迅速崛起。在眾多不確定因素和難以確切描述的非線性控制系統(tǒng)中,對(duì)控制的要求也越來越高

4、,因此迫切希望新一代的控制系統(tǒng)具有自適應(yīng)自學(xué)習(xí)能力、良好的魯棒性和實(shí)時(shí)性、計(jì)算簡(jiǎn)單、柔性結(jié)構(gòu)和自組織并行離散分布處理等智能信息處理的能力。用神經(jīng)網(wǎng)絡(luò)構(gòu)成的控制系統(tǒng)就是這一代新穎控制系統(tǒng)之一。1神經(jīng)網(wǎng)絡(luò)控制思想及在系統(tǒng)中的作用1.1神經(jīng)網(wǎng)絡(luò)控制的基本思想傳統(tǒng)的基于模型的控制方式,是根據(jù)被控對(duì)象的數(shù)學(xué)模型及對(duì)控制系統(tǒng)要求的性能指標(biāo)來設(shè)計(jì)控制器,并對(duì)控制規(guī)律加以數(shù)學(xué)解析描述,從而對(duì)系統(tǒng)進(jìn)行控制。這種控制方式具有顯示表達(dá)知識(shí)的特點(diǎn),而神經(jīng)網(wǎng)絡(luò)不善于顯示表達(dá)知識(shí),但是它具有很強(qiáng)的逼近非線性函數(shù)的能力,即非線性影射能力。這是神經(jīng)網(wǎng)絡(luò)用于控制的一個(gè)獨(dú)特優(yōu)點(diǎn)。如圖1為神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)框圖。圖1神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)

5、框圖設(shè)被控對(duì)象的輸入u 和系統(tǒng)的輸出y 之間滿足如下非線性關(guān)系y =g (u ,控制的目的是確定最佳的控制量輸入u ,使系統(tǒng)的實(shí)際輸出y 等于期望的輸出y d 。在該系統(tǒng)中,可把神經(jīng)網(wǎng)絡(luò)的功能看作輸入輸出的某種映射,并設(shè)它的函數(shù)關(guān)系為u =f (y d ,收稿日期:2003-05-14基金項(xiàng)目:寶雞文理學(xué)院基金項(xiàng)目(ZK 2208。作者簡(jiǎn)介:吳宏岐(1963-,寶雞文理學(xué)院電氣系副教授,研究方向?yàn)橹悄芸刂?陜西省自動(dòng)化重點(diǎn)實(shí)驗(yàn)室訪問學(xué)者。1為滿足系統(tǒng)輸出y 等于期望的輸出y d ,將u =f (y d 代入y =g (u 得y =gf (y d ,顯然當(dāng)f (.=g (.時(shí),滿足y =y d

6、的要求。由于被控對(duì)象一般是復(fù)雜的且多具有不確定性,因此非線性函數(shù)g (.是難以建立的,可以利用神經(jīng)網(wǎng)絡(luò)具有逼近非線性函數(shù)的能力來模擬g -1(.盡管g (.的形式未知,但通過系統(tǒng)的實(shí)際輸出y 與期望輸出y d 之間的誤差來調(diào)整神經(jīng)網(wǎng)絡(luò)中的連接權(quán)值,即讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí),直至誤差趨與零的過程,就是神經(jīng)網(wǎng)絡(luò)模擬g -1(.的過程。它實(shí)際上是對(duì)被控對(duì)象的一種求逆過程,由神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法實(shí)現(xiàn)這一求逆過程,即是神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)直接控制的基本思想。1.2神經(jīng)網(wǎng)絡(luò)在控制中的作用神經(jīng)網(wǎng)絡(luò)是由眾多簡(jiǎn)單的神經(jīng)元連接而形成的一個(gè)網(wǎng)絡(luò)。盡管每個(gè)神經(jīng)元結(jié)構(gòu)、功能都不復(fù)雜,但網(wǎng)絡(luò)的整體動(dòng)態(tài)行為卻是極為復(fù)雜的,可組成高度非線性動(dòng)

7、力學(xué)系統(tǒng),從而可以表達(dá)很多復(fù)雜的物理系統(tǒng)。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行處理,信息分布存儲(chǔ),連續(xù)時(shí)間的非線性動(dòng)力學(xué)特征,高度的容錯(cuò)性和魯棒性,自組織、自學(xué)習(xí)和實(shí)時(shí)處理的特點(diǎn),因而神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中應(yīng)用廣泛。從神經(jīng)網(wǎng)絡(luò)在傳統(tǒng)控制結(jié)構(gòu)中所起的作用來看,基本上有三種應(yīng)用方式:在反饋控制系統(tǒng)中直接充當(dāng)控制器;在基于精確模型的各種控制結(jié)構(gòu)中充當(dāng)對(duì)象的模型;用作過程參數(shù)或某些非線性函數(shù)的在線估計(jì)器。2 用作控制器的神經(jīng)網(wǎng)絡(luò)控制2.1逆動(dòng)態(tài)控制用被控對(duì)象的逆動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型作為控制器,將被控制器串聯(lián)在被控對(duì)象之前,就構(gòu)成了神經(jīng)網(wǎng)絡(luò)逆動(dòng)態(tài)控制系統(tǒng)如圖2所示。圖2神經(jīng)網(wǎng)絡(luò)逆動(dòng)態(tài)控制結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)逆動(dòng)態(tài)控制方法一般分為兩

8、個(gè)實(shí)施階段:第一階段為神經(jīng)網(wǎng)絡(luò)控制器的學(xué)習(xí)訓(xùn)練階段,即用神經(jīng)網(wǎng)絡(luò)去學(xué)習(xí)被控對(duì)象的逆動(dòng)態(tài)。由于神經(jīng)網(wǎng)絡(luò)能夠逼近任意的非線性函數(shù)關(guān)系,因此從理論上來講,只要對(duì)象是可逆的,都可用神經(jīng)網(wǎng)絡(luò)得到它的逆動(dòng)態(tài)模型。并且這種網(wǎng)絡(luò)逆模型是通過學(xué)習(xí)被控對(duì)象的輸入輸出數(shù)據(jù)得到的,毋須對(duì)象的深層次知識(shí)。第二階段是控制運(yùn)行階段,即訓(xùn)練好的網(wǎng)絡(luò)控制器接入系統(tǒng),對(duì)被控對(duì)象進(jìn)行開環(huán)控制。正常的情況下可使被控對(duì)象的輸出緊密跟隨系統(tǒng)的指令輸入。神經(jīng)網(wǎng)絡(luò)逆模型在一些應(yīng)用場(chǎng)合可能會(huì)缺少控制反饋而引起嚴(yán)重的魯棒性問題,因此在這種情況下,還需要用在線學(xué)習(xí)的方法對(duì)逆模型不斷地進(jìn)行在線調(diào)整。2.2監(jiān)督控制實(shí)際應(yīng)用中有許多需要人參與的控制系統(tǒng)

9、,即需要由人提供某種反饋控制作用去完成特定的控制任務(wù)。若設(shè)計(jì)一個(gè)能模擬人控制作用的自動(dòng)控制器代替人進(jìn)行控制,則為監(jiān)督控制。在許多情況下,由于難于獲得對(duì)象的模型,用傳統(tǒng)的控制方法設(shè)計(jì)監(jiān)督控制系統(tǒng)相當(dāng)困難。神經(jīng)網(wǎng)絡(luò)技術(shù)為監(jiān)督控制器設(shè)計(jì)提供了一個(gè)有效的方法。由于神經(jīng)網(wǎng)絡(luò)具有優(yōu)越的任意非線性逼近能力和聯(lián)想能力,故可訓(xùn)練神經(jīng)網(wǎng)絡(luò)使其逼近從人的感官輸入到人的決策輸出的映射關(guān)系,就能獲得神經(jīng)網(wǎng)絡(luò)監(jiān)督控制器。這個(gè)方法的關(guān)鍵是對(duì)人的控制作用要有適當(dāng)描述數(shù)據(jù),供神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)記憶?；镜膶W(xué)習(xí)方法與建立神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)模型的方法相似。3用作對(duì)象模型的神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)3.1內(nèi)?？刂苹谏窠?jīng)網(wǎng)絡(luò)的非線性系統(tǒng)的內(nèi)?？刂频慕Y(jié)構(gòu)如

10、圖3所示,其中“NN 前項(xiàng)模型” 是一個(gè)充分逼近對(duì)象動(dòng)力學(xué)行為的神經(jīng)網(wǎng)絡(luò);而控制器則即可以是常規(guī)控制器,也可以是一個(gè)神經(jīng)網(wǎng)絡(luò);為了獲得更好的控制效果,通常在控制器前加一個(gè)常規(guī)控制器。在這種控制器結(jié)構(gòu)中,利用神經(jīng)網(wǎng)絡(luò)作為對(duì)象的非線性模型,把原來的內(nèi)?？刂品椒ㄍ茝V到非線性問題,具有良好的控制效果。圖3神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂平Y(jié)構(gòu)3.2模型參考自適應(yīng)控制在模型參考自適應(yīng)控制中,用一個(gè)穩(wěn)定的參考模型M 來表達(dá)所期望的閉環(huán)系統(tǒng)性能指標(biāo),而控制目標(biāo)是使對(duì)象的實(shí)際輸出y p (t 漸進(jìn)地匹配參考模型的輸出y r (t 。常規(guī)模型參考控制的控制對(duì)象一般是線性的,借助神經(jīng)網(wǎng)絡(luò)可把它推廣到非線性系統(tǒng)。4作為在線估計(jì)器的神

11、經(jīng)網(wǎng)絡(luò)控制這種控制方式,神經(jīng)網(wǎng)絡(luò)被用來作為過程參數(shù)2或某些非線性函數(shù)的在線估計(jì)器,而控制信號(hào)由常規(guī)控制器發(fā)出,由于神經(jīng)網(wǎng)絡(luò)起著自校正控制系統(tǒng)中估計(jì)器的類似作用,這種控制結(jié)構(gòu)也稱為神經(jīng)網(wǎng)絡(luò)自校正控制系統(tǒng)。如圖4所示?？紤]一個(gè)單變量的仿射非線性對(duì)象,設(shè)系統(tǒng)模型為y (k +1=f y (k +gy (k .u (k 若非線性函數(shù)f (.和g (.已知,并取y (k +1=d (k +1,這里d (k +1為期望的輸出信號(hào),則控制規(guī)律為u (k =-f (.g (.+d (k +1g (.,f (.和g (.非線性函數(shù)關(guān)系可由神經(jīng)網(wǎng)絡(luò)模 型學(xué)習(xí)獲得,然后將學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)接入實(shí)際系統(tǒng)作為估計(jì)器,可在

12、線計(jì)算估計(jì)值。這種控制方式的具體實(shí)現(xiàn)方案還有很多,比如可以設(shè)計(jì)一個(gè)動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò),使網(wǎng)絡(luò)中的神經(jīng)元狀態(tài)與控制器中的被調(diào)參數(shù)相對(duì)應(yīng),并保證神經(jīng)元的穩(wěn)定狀態(tài)對(duì)應(yīng)于某種最優(yōu)控制規(guī)律下的控制參數(shù)值。當(dāng)動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)運(yùn)行達(dá)到穩(wěn)態(tài)時(shí),按神經(jīng)元的穩(wěn)態(tài)值調(diào)節(jié)控制器的參數(shù)。 圖4神經(jīng)網(wǎng)絡(luò)自校正控制系統(tǒng)5神經(jīng)網(wǎng)絡(luò)在解耦控制系統(tǒng)中的應(yīng)用5.1系統(tǒng)工作原理解耦問題又稱互不影響控制、一對(duì)一控制。在多輸入多輸出強(qiáng)耦合非線性系統(tǒng)中,解耦問題是尋找合適的控制規(guī)律使閉環(huán)系統(tǒng)實(shí)現(xiàn)一個(gè)輸出分量?jī)H受一個(gè)輸入分量控制,不同的輸出分量受不同的輸入分量控制。用傳統(tǒng)的控制方法進(jìn)行時(shí)延多變量的控制時(shí),需要先預(yù)知系統(tǒng)的對(duì)象函數(shù),再設(shè)計(jì)補(bǔ)償器、解耦器

13、及控制器,由于強(qiáng)耦合系統(tǒng)的參數(shù)不好測(cè)量,補(bǔ)償器、解耦器和控制器的設(shè)計(jì)、實(shí)現(xiàn)和協(xié)調(diào)困難,因此傳統(tǒng)的方法難以對(duì)強(qiáng)耦合帶時(shí)延的多變量的系統(tǒng)實(shí)現(xiàn)有效的控制。受模型參考自適應(yīng)的方法的啟迪,可將其思想用于解耦控制中。其逆系統(tǒng)的方法的思想是在受控系統(tǒng)G (Z 前加上一個(gè)串聯(lián)的逆系統(tǒng)G r (z ,使原系統(tǒng)的傳函變化為一個(gè)單位陣,則解耦效果比較理想。如圖5所示該系統(tǒng)方框圖,假設(shè)系統(tǒng)數(shù)學(xué)模型不知道,但是已經(jīng)知道系統(tǒng)的階數(shù)和期望的系統(tǒng)的模型,若僅用神經(jīng)網(wǎng)絡(luò)的積分型來實(shí)現(xiàn),它的時(shí)延系統(tǒng)可由單個(gè)神經(jīng)網(wǎng)絡(luò)和若干個(gè)時(shí)延因子構(gòu)成,將其與原系統(tǒng)復(fù)合成具有最小階時(shí)延的偽線性解耦系統(tǒng)。要實(shí)現(xiàn)系統(tǒng)的動(dòng)態(tài)性能滿足系統(tǒng)的期望性能,就必

14、須把積分型系統(tǒng)和其他的結(jié)合起來,為了做到既簡(jiǎn)便又有效地完成解耦和滿足系統(tǒng)的快速性,可將自適應(yīng)系統(tǒng)的思想引入到神經(jīng)網(wǎng)絡(luò)的離散型系統(tǒng)的解耦校正中,使系統(tǒng)具有一定抗干擾能力。圖5神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)原理圖5.2神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)對(duì)于上述系統(tǒng),可用基于多層的前饋神經(jīng)網(wǎng)絡(luò)、誤差反向傳播(BP 學(xué)習(xí)算法即可實(shí)現(xiàn)。神經(jīng)網(wǎng)絡(luò)系統(tǒng)由單個(gè)靜態(tài)的神經(jīng)網(wǎng)絡(luò)和若干個(gè)時(shí)延因子構(gòu)成,其中神經(jīng)網(wǎng)絡(luò)僅用來逼近逆系統(tǒng)的靜態(tài)函數(shù),而時(shí)延因子用來表征逆系統(tǒng)的動(dòng)力學(xué)特性。這種分工可使系統(tǒng)結(jié)構(gòu)簡(jiǎn)單,并有較優(yōu)的輸入輸出特性。為了使系統(tǒng)具有良好的抗干擾能力,首先對(duì)系統(tǒng)施加不同的輸入信號(hào),同時(shí)對(duì)系統(tǒng)進(jìn)行在線調(diào)試。只要系統(tǒng)的誤差存在,神經(jīng)元就不斷的修正其相應(yīng)的權(quán)值。直到系統(tǒng)輸出能跟蹤系統(tǒng)的期望值,既實(shí)現(xiàn)系統(tǒng)的靜態(tài)解耦。6結(jié)束語神經(jīng)網(wǎng)絡(luò)控制在那些具有非線性、時(shí)變性、多信息處理等特點(diǎn)的系統(tǒng)控制中具有明顯的優(yōu)越性。故近年來,神經(jīng)網(wǎng)絡(luò)控