【正文】 Mmvk g k k? ??? ??? (315) () ()M Jm jjm k vkw? ?? (316) 因此可得 BP神經(jīng)網(wǎng)絡(luò)輸出層的加權(quán)系數(shù)計算公式為 ： 39。 所以 ， 圖 34中神經(jīng)元解耦補償器的算法為 ： 3*1**( ) ( )( 1 ) ( ) ( ( ) ( ) ) ( )j ij jjij ij i i ju k w u kw k w k u k u k u k??? ????? ? ? ??? (321) 式中，各神經(jīng)元權(quán)值 ijw 的初值選取為 1 ( )0 ( )ijijw i iw i i?????????， 相當(dāng)于無解耦狀態(tài)；? 是學(xué)習(xí)速率； *()juk為神經(jīng)元的實際輸出 ； *()iuk為 神經(jīng)元的期望輸出。 從整個解耦算法來看，神經(jīng)元的各個權(quán)值作為解 耦環(huán)節(jié)，無需對象模型，僅根據(jù)一些過程信息就能達(dá)到自學(xué)習(xí)、自修正的目的。軋輥不能銹蝕、不能易磨損、要有一定的剛度和柔韌性，滿足這些要求，采用鋼芯鍍鉻軋輥。 圖 41 三電機同步系統(tǒng)實驗平臺 （ 1） 機械部分 本實驗裝置由于 受實驗條件的限制，不可能完全做到模仿工業(yè)現(xiàn)場環(huán)境。因此，當(dāng)訓(xùn)練樣本中包含了解 耦 控制的要求，只要 ( ) ( )iir k y k? 存在，自適應(yīng) PID控制器和補償器的第 i個神經(jīng)元一起動作，按學(xué)習(xí)算法逐步調(diào)整連接權(quán)值，直至系統(tǒng)輸出能跟蹤期望的給定值，使系統(tǒng)解 耦 控制達(dá)到最佳狀態(tài)。2( ) [1 ( )] / 2f x f x?? 基于 BP神經(jīng)網(wǎng)絡(luò)的 PID控制算法 [31~34]可歸納為： ①給出各層加權(quán)系數(shù)的初值 (0)ijw 、 (0)jmw ，選定學(xué)習(xí)速 ? 和慣性系數(shù) ? ，1k? ； ②采樣得到 ()rk 和 ()yk ，計算 ( ) ( ) ( )e k r k y k?? ③對 ()ri、 ()yi 、 ( 1)ui? 、 ()ei ( 1 )i k k k p? ? ?， ， ， 進(jìn)行歸一化處理，作為神經(jīng)網(wǎng)絡(luò)的輸入 ； ④根據(jù)式（ 37） ~（ 39），計算各層神經(jīng)元的輸入輸出，神經(jīng)網(wǎng)絡(luò)輸出層的輸出即為 PID控制器的三個可調(diào)參數(shù) pK 、 IK 、 DK ； ⑤根據(jù)式（ 35），計算 PID控制器的控制輸出 ()uk ； ⑥由式（ 317），計算修正輸出層的加權(quán)系數(shù) ()jmwk； ⑦由式（ 318），計算修正隱含層的加權(quán)系數(shù) ()ijwk； ⑧使 1kk??， 返回②。 …隱 含 層kx1kx ?2kx ?PKIKDK( 0 , 1 , 2)i ? ( 0 , 1 , , 7 )j ? ( 0 , 1 , 2 )m ?ijw jmw+ 1 + 1輸 出 層輸 入 層I JM 圖 35 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖 由圖可見， BP神經(jīng)網(wǎng)絡(luò)的輸入為 3() ( 0 , 1 , 2)1Ii k iIv x e k i iv ?? ? ? ?? ????? （ 37） 隱含層的輸入輸出為 江蘇大學(xué)本科畢業(yè)論文 24 308( ) ( )( ) ( ) ( 0 , 1 , , 7 )1JIj ij iiJJjjJn e t k w v kv k f n e t k jv?? ????????? ???????? （ 38） 式中， ijw —— 隱含層加權(quán)系數(shù)； 3jw —— 閥值， 3jw = j? ； ??f? —— 變換函數(shù) ， 1 exp ( )() 1 exp ( )xfx x??? ?? 上角標(biāo) I、 J、 M分別表示 輸入層、隱含層、輸出層。圖中 *1r? 為主電機的速度給定值， 1r? 為主電機的速度實際值， *12F 、 *23F 為皮帶張力的給定值， 12F 、 23F 為皮帶張力的實際值 。 圖中 *1r? 為主電機的速度給定值， *12F 、江蘇大學(xué)本科畢業(yè)論文 21 *23F 為皮帶張力的給定值 。 將式（ 31）、（ 32）兩邊取拉氏變換可得： 11 2 1 1 1 2 2 21 2 111( ) ( ) 1rrpp KF s r k r kn n T s???? ? （ 33） 22 3 2 2 2 3 3 32 3 211( ) ( ) 1rrppKF s r k r kn n T s???? ? （ 34） 從張力公式 （ 33）、（ 34） 中可以看出電機的速度與張力之間存在著 耦合關(guān)系，它們相互影響，任一個量的變化都會引起其它量的變化。 再次，網(wǎng)絡(luò)隱含層層的參數(shù)和單元數(shù)的選擇尚無理論上的指導(dǎo)，一般是根據(jù)經(jīng)驗或者通過反復(fù)實驗確定。一個重要的要求是 ： 初始權(quán)值在輸入累加時使每個神經(jīng)元的狀態(tài)值接近于零，權(quán)值一般取隨機數(shù)，要比較小。 （ 2） 隱含層的設(shè)計 對于 BP 網(wǎng)絡(luò)，有一個非常重要的定量。 BP 神經(jīng)網(wǎng)絡(luò) … … …u y 圖 210 BP 網(wǎng)絡(luò)結(jié)構(gòu) BP 網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)，其結(jié)構(gòu)如圖 210 所示。以此為例，分析了神經(jīng)網(wǎng)絡(luò)控制的基本原理。在無反饋的前向網(wǎng)絡(luò)中，信號一旦通過某神經(jīng)元，該神經(jīng)元的處理就結(jié)束了。 （ 2） 有反饋的前向網(wǎng)絡(luò) 有反饋的前向網(wǎng)絡(luò)結(jié)構(gòu)如圖 26所示，其輸出層到輸入層有反饋，每一個節(jié)點都同時接受外來輸入和來自其它節(jié)點的反饋輸入，其中也包括神經(jīng)元輸出信號引回到自身輸入構(gòu)成的自環(huán)反饋。到目前為止，它是人工神經(jīng)網(wǎng)絡(luò)中最常用的激勵函數(shù)。樹突與軸突一一對接，從而把眾多的神經(jīng)元連成一個神經(jīng)元網(wǎng)絡(luò) 。 為了模擬大腦的基本特性 ， 在神經(jīng)科學(xué)研究的基礎(chǔ)上 ， 提出了神經(jīng)網(wǎng)絡(luò)的模型 。 本文內(nèi)容安排 全文共分為六章?，F(xiàn)代 PLC 不僅具有邏輯運算、計時、計數(shù)、步進(jìn)控制等功能，而且還能完成 A/D 和 D/A 轉(zhuǎn)換、數(shù)值運算、數(shù)據(jù)處理、矩陣運算以及通信聯(lián)網(wǎng)、生產(chǎn)過程監(jiān)控等。另外，為了進(jìn)一步提高 PLC 的處理速度，各制造廠還紛紛研制開發(fā)出專用的邏輯處理芯片，這就使得 PLC 的軟、硬件功能有了巨變。在軟件編程上，采用類似于電氣工程師所熟悉的繼電器控制線路的方式 —— 梯形圖 (Ladder)語言。 1980 年美國電氣制造商協(xié)會 (NEMA)正式將其命名為可編程序控制器 (Programmable Controller)，簡稱 PC。模型參考控制 —— 通過神經(jīng)網(wǎng)絡(luò)對理想?yún)⒖寄Ｐ偷妮斎?/輸出數(shù)據(jù)進(jìn)行學(xué)習(xí)，產(chǎn)生控制信號，使被控系統(tǒng)輸出漸近地趨向于參考模型輸出。 神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中的應(yīng)用 神經(jīng)網(wǎng)絡(luò)由于其獨特的模型結(jié)構(gòu)和固有的非線性 模擬能力，以及高度的自適應(yīng)和容錯特性等突出特征，在控制系統(tǒng)的建模、辨識和控制中都獲得了廣泛的應(yīng)用，已取得了許多成果 [10]。 （ 4） 優(yōu)化計算。在辨識的網(wǎng)絡(luò)形式上，常用的是 BP 網(wǎng)絡(luò)和 RBF 網(wǎng)絡(luò) [5]。在國際神經(jīng)網(wǎng)絡(luò)熱潮的帶動下，研究工作受到很大重視。近幾年它成為一個熱點研究領(lǐng)域。 在此期間 ， 科學(xué)家們做了大量的工作 ， 如 Hopfield 教授對網(wǎng)絡(luò)引入能量函數(shù)的概念 ， 給出了網(wǎng)絡(luò)的穩(wěn)定性判據(jù) ， 提出了用于聯(lián)想記憶和優(yōu)化計算的途徑。因此研究人腦神經(jīng)系統(tǒng)的運行機制，模擬人腦思維功能，通過新的方法和途徑，實現(xiàn)對傳統(tǒng)方法難以解決的復(fù)雜不確定系統(tǒng)的控制，是控制理論發(fā)展的必然趨勢 [1]。例如在連續(xù)化、高 速化、自動化的工業(yè)生產(chǎn)過程中，往往需要張力控制，張力控制的性能指標(biāo)直接 影響到產(chǎn)品的質(zhì)量。 首先，在對三電機同步系統(tǒng)模型分析的基礎(chǔ)上，依據(jù)同步系統(tǒng)的結(jié)構(gòu)特點和控制要求，提出了一種 BP 神經(jīng)網(wǎng)絡(luò)算法與傳 統(tǒng) PID 控制相結(jié)合的三電機同步系統(tǒng)控制方案；其控制器由 三個 基于 BP 網(wǎng)絡(luò)自適應(yīng) PID 控制器和 一個 神經(jīng)元解耦補償器兩部分組成。實驗結(jié)果表明：與傳統(tǒng) PID 控制相比，采用神經(jīng)網(wǎng)絡(luò)控制的三電機同步系統(tǒng)具有更好的動靜態(tài)性能。傳統(tǒng) PID 控制難以滿足精度高、反應(yīng)快、魯棒性好的要求，且參數(shù)的調(diào)整比較麻煩，往往需要根據(jù)現(xiàn)場情況結(jié)合實際經(jīng)驗進(jìn)行多次調(diào)整。人工神經(jīng)網(wǎng)絡(luò)的研究始于上世紀(jì) 40 年代初 ， 半個多世紀(jì)以來 ， 經(jīng)歷了漫長而曲折的發(fā)展道路。他們給出了一種新的辨識與控制方案，以 multilayer 網(wǎng)絡(luò)與 recarrent 網(wǎng)絡(luò)統(tǒng)一的模型描述非線性動態(tài)系統(tǒng)，并提出了動態(tài) BP 參數(shù)在線調(diào)節(jié)方法。 Jenkins 等人研究光學(xué)神經(jīng)網(wǎng)絡(luò) ， 建立了光學(xué)二維并行互連與電子學(xué)混合的光學(xué)神經(jīng)網(wǎng)絡(luò) ， 它能避免網(wǎng)絡(luò)陷入局部最小值 ， 并最后可達(dá)到或接近最理想的解 ； SoleRV 等提出流體神經(jīng)網(wǎng)絡(luò) ， 用來研究昆蟲社會 ， 機器人集體免疫系統(tǒng) ， 啟發(fā)人們用混沌理論分析社會大系統(tǒng)。目前，神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域已經(jīng)取得了以下幾個方面的進(jìn)展 ： （ 1）基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辯識。 （ 3） 神經(jīng)網(wǎng)絡(luò)與其它算法相結(jié)合。另外神經(jīng)網(wǎng)絡(luò)用于控制領(lǐng)域時間還不長，大部分研究停留在仿真和實驗階段，更缺乏深入的理論分析與證明，控制系 統(tǒng)的一些基本問題還尚待解決。在以下幾種控制結(jié)構(gòu)中，多層前饋式神經(jīng)網(wǎng)絡(luò)的非線性擬合特性得到了應(yīng)用。最優(yōu)決策控制 —— 這種控制模式中也用到了兩組神經(jīng)網(wǎng)絡(luò)。它在硬件上以“準(zhǔn)計算機”的形式出現(xiàn)，在 I/O 接口電路上做了改進(jìn)以適應(yīng)工控現(xiàn)場要求。在軟件方面，除了保持原有的邏輯運算、計時、計數(shù)等功能以外，還增加了算術(shù)運算、數(shù)據(jù)處理、網(wǎng)絡(luò)通信、自診斷等功能。編程語言形象直觀，簡單易學(xué)，不易出錯，也不江蘇大學(xué)本科畢業(yè)論文 7 需要專門的計算機高級語言知識。 當(dāng)各伺服電機之間存在速度、位置等約束時 ， 就需要采取適當(dāng)?shù)目刂撇呗詫Ω麟姍C的運轉(zhuǎn)進(jìn)行協(xié)調(diào)控制。 第五章分析神經(jīng)網(wǎng)絡(luò)控制方法的實驗效果，并與傳統(tǒng) PID 控制方 法進(jìn)行比較，驗證神經(jīng)網(wǎng)絡(luò)控制方法的有效性和先進(jìn)性。神經(jīng)元由細(xì)胞及其發(fā)出的許多突起構(gòu)成 。此時神經(jīng)元的輸出取 1或 0，反映了神經(jīng)元的興奮或抑制。每個神經(jīng)元可以從前一層接受多個輸入，并只有一個輸出傳給下一層神經(jīng)元。例如，可以利用橫向抑制機理把某層內(nèi)具有最大輸出的神經(jīng)元挑選出來，從而抑制其 它 神經(jīng) 元，使之處于無輸出的狀態(tài)。神經(jīng)網(wǎng)絡(luò)應(yīng)用于控制系統(tǒng)設(shè)計主要是針對系統(tǒng)的非線性、不確定性和復(fù)雜性。在反饋控制系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)作為控制器，它的工作原理如下： 設(shè)被控對象的輸入 u 和系統(tǒng)輸出 y 之間滿足如下非線性函數(shù)關(guān)系 )(ugy? （ 26） 控制的目的是確定最佳的控制量輸入 u，使系統(tǒng)的實際輸出 y 等于期望的輸出 ry 。隨著這種誤差反向的傳播修正不斷進(jìn)行，網(wǎng)絡(luò)對輸入模 式響應(yīng)的正確率也不斷上升。首先使隱含層單元的數(shù)目可變，或者放入足夠多的隱含層單元，通過學(xué)習(xí)將那些不起作用的隱含層單元剔除，直到不可收縮為止。這主要是由于學(xué)習(xí)速率太小造成的，可采用變化的學(xué)習(xí)速率或自適應(yīng)的學(xué)習(xí)速率加以改進(jìn)。 電機 1 為主令電機 ， 電機 3 為從 動電機，各臺電機軸通過減速機與軋輥相連，軋輥間為連接皮帶，經(jīng)皮帶中央的浮動輥給皮帶施加張力。因此，根據(jù) 式（ 33）、（ 34） ，以主令電機 角速度和皮帶張力作為被控量，三臺變頻器的給江蘇大學(xué)本科畢業(yè)論文 20 定作為輸入，三電機同步系統(tǒng)的開環(huán)控制框圖如圖 32所示。 +P I D 212rrP I D 123rrP I D 3三電機同步控制系統(tǒng)++++1?3?*1r?12F23F*12F *23F1r?N N 2N N 1N N 33PK 3IK 3DK2PK 2IK 2DK1PK 1IK 1DK 1232?1u2u3u*1u*2u*3u1iW2iW3iW神 經(jīng) 元 解 耦 補 償 器 圖 34 神經(jīng)網(wǎng)絡(luò)控制 江蘇大學(xué)本科畢業(yè)論文 22 基于神經(jīng)網(wǎng)絡(luò)控制的三電機同步控制系統(tǒng)的構(gòu)建 經(jīng)典解耦控制理論和最優(yōu)控制方法都必須建立在對象精確數(shù)學(xué)模型的基礎(chǔ)上，而實際對象的數(shù)學(xué)模型往往難以得到，所以多變量系統(tǒng)的控制仍是一個難以解決的問題。所以 ， 我們可以用 BP神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練和學(xué)習(xí)來逼近 ()f? ，找到一個能使其取得最小值的 PK 、 IK 、 DK ， 即最優(yōu)控制規(guī)律。( 1 ) ( ) ( )( 0 , 1 , 2 )( 1 ) ( )( 1 ) sg n ( )( ) ( )MJjm m j jmMMmm Mmw k v k w kmy k u ke k g n e t ku k v k?? ??? ? ? ? ???? ??? ? ? ????? ?? ??????? (317) 式中， ? ?39。 為使 iJ 達(dá)到最小，采用梯度下降