【正文】 神經(jīng)元模型和學(xué)習(xí)規(guī)則 ， 如 MP 模型、 HEBB 學(xué)習(xí)規(guī)則和感知器等 ； 1970～ 1986 年為過渡期 ， 這個期間神經(jīng)網(wǎng)絡(luò)研究經(jīng)過了一個 繼續(xù)發(fā)展低潮 。 我國的神經(jīng)網(wǎng)絡(luò)研究起步較晚，始于 80 年代末，主要在應(yīng)用領(lǐng)域開展了一些基礎(chǔ)性工作。江蘇大學(xué)本科畢業(yè)論文 4 例如神經(jīng)網(wǎng)絡(luò) PID 控制器 [9]，證明有效改善控制品質(zhì)。直接逆?？刂?—— 神經(jīng)網(wǎng)絡(luò)在其中被用于建立被控對象的逆向模型，并當(dāng)被控對象參數(shù)變化時進(jìn)行在線的學(xué)習(xí)調(diào)整，使該種控制器具有一定的魯棒特性。另外，還采取了一些措施，以提高抗干擾能力。 (4）有較強(qiáng)的控制功能和驅(qū)動能力。 江蘇大學(xué)本科畢業(yè)論文 9 第二章 神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ) 神經(jīng)網(wǎng)絡(luò)模型 神經(jīng)網(wǎng)絡(luò)是指由大量與生物神經(jīng)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)細(xì)胞相類似的人工神經(jīng)元互相連接而組成的網(wǎng)絡(luò) ； 或由大量像生物神經(jīng)元的處理單元并聯(lián)互連而成 ， 這種神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能 。 江蘇大學(xué)本科畢業(yè)論文 11 f ( x )0 1 1 11x 圖 23 分?jǐn)嗑€性函數(shù) （ 3） Sigmoid 函數(shù) Sigmoid 函數(shù) 也稱 s型函數(shù)。 Hopfield 網(wǎng)絡(luò)和 Boltzmann 機(jī)均屬于這種類型。 由于要采用神經(jīng)網(wǎng)絡(luò)控制的被控對象一般是復(fù)雜的且多有不確定性，因此非線性函數(shù) g(x)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 )(1 xg? ，盡管 g(x)的形式未知，但通過系統(tǒng)的實(shí)際輸出 y 與期望輸出 ry 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0??? yye r 的過程就是神經(jīng)網(wǎng)絡(luò)模擬的過程，它實(shí)際上是對被控對象的一種求逆過程，這就是神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)直接控制的基本原理。 （ 3） 初始值的選取 由于系統(tǒng)是非線性的，初始值對于學(xué)習(xí)能否達(dá)到局部最小和是否能夠收斂的結(jié)果關(guān)系很大。 根據(jù)虎克定律，考慮前滑量，張力具有以下的形式 [27][28]： . 1121 1 1 2 2 2 1 21 1 2 111()rrpp AVAEF r k r k FL n n L??? ? ? 1 1 21 1 1 2 2 21 1 2 111()rrppKFr k r kT n n T??? ? ? (31) . 2232 2 2 3 3 3 2 32 2 3 211()rrpp AVAEF r k r k FL n n L??? ? ? 232 2 2 2 3 3 32 2 3 211()rrppFK r k r kT n n T??? ? ? (32) 式中 ： 11K EV? 與 22K EV? 為傳遞系數(shù) ； 1 1 1T L AV? 與 2 2 2T L AV? 為張力變化常數(shù) ； 江蘇大學(xué)本科畢業(yè)論文 19 12F 為 電機(jī) 電機(jī) 2之間 皮帶的張力 ； 23F 為 電機(jī) 電機(jī) 3之間 皮帶的張力 ； 1r ， 1k 為第 1臺皮帶輪 （ 軋輥 1） 的半徑、速比 ； 2r ， 2k 為第 2臺皮帶輪 （ 軋輥 2） 的半徑 、 速比 ； 1r? ， 2r? ， 3r? 分別 為 電機(jī) 電機(jī) 2和電機(jī) 3的電氣角速度 ； 1pn ， 2pn ， 3pn 分別為電機(jī) 電機(jī) 2和電機(jī) 3的的極對數(shù) ； A 為皮帶的截面積 ； E 為皮帶的楊氏彈性模量 ； 1L 為 電機(jī) 2機(jī)架 之間 的距離 ， 2L 為 電機(jī) 3機(jī)架 之間 的距離 ； 1V 與 2V 為期望的速度。 本文針對 三 輸入、 三 輸出的 三 電機(jī)同步控制系統(tǒng)，設(shè)計(jì)了一種結(jié)合了 BP神經(jīng)網(wǎng)絡(luò) Pk ， Ik ， Dk 參數(shù)自學(xué)習(xí) PID控制器和自適應(yīng)神經(jīng)元解耦補(bǔ)償器的多電機(jī)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，其結(jié)構(gòu)圖如圖 34所示。0( 1 ) ( ) ( )( 0 , 1 , , 7 )( ) ( )JIij j i ijJ J Mj j m jmmw k v k w kjf n e t k w k? ? ????? ? ? ? ???? ???? ??? ? (318) 江蘇大學(xué)本科畢業(yè)論文 26 式中， 39。 江蘇大學(xué)本科畢業(yè)論文 29 第四章 三電機(jī)同步系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制的實(shí)現(xiàn) 三電機(jī)同步控制系統(tǒng)的硬件組成 課題實(shí)驗(yàn)中所用的三電機(jī)同步系統(tǒng)的實(shí)物照片如圖 41所示。在無需任何先驗(yàn)知識的情況下，神經(jīng)元權(quán)值初始矩陣設(shè)置為單位矩陣，通過選擇適當(dāng)?shù)膶W(xué)習(xí)速率，在運(yùn)行過程中不斷修正權(quán)值達(dá)到在線解耦控制的目的。( 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。 +P I D 212rrP I D 123rrP I D 3三電機(jī)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(bǔ) 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(jī)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(shí)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。 電機(jī) 1 為主令電機(jī) ， 電機(jī) 3 為從 動電機(jī)，各臺電機(jī)軸通過減速機(jī)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。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。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(shí)際輸出 y 等于期望的輸出 ry 。例如，可以利用橫向抑制機(jī)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)。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。 第五章分析神經(jīng)網(wǎng)絡(luò)控制方法的實(shí)驗(yàn)效果，并與傳統(tǒng) PID 控制方 法進(jìn)行比較，驗(yàn)證神經(jīng)網(wǎng)絡(luò)控制方法的有效性和先進(jìn)性。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(jì)算機(jī)高級語言知識。它在硬件上以“準(zhǔn)計(jì)算機(jī)”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。 （ 3） 神經(jīng)網(wǎng)絡(luò)與其它算法相結(jié)合。 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(jī)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)。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。實(shí)驗(yàn)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(jī)同步系統(tǒng)具有更好的動靜態(tài)性能。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。 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(jì)算的途徑。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。 （ 4） 優(yōu)化計(jì)算。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。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?，F(xiàn)代 PLC 不僅具有邏輯運(yùn)算、計(jì)時、計(jì)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(yùn)算、數(shù)據(jù)處理、矩陣運(yùn)算以及通信聯(lián)網(wǎng)、生產(chǎn)過程監(jiān)控等。 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 。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)。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。 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。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(jī)數(shù)，要比較小。 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(jī)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。圖中 *1r? 為主電機(jī)的速度給定值， 1r? 為主電機(jī)的速度實(shí)際值， *12F 、 *23F 為皮帶張力的給定值， 12F 、 23F 為皮帶張力的實(shí)際值 。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(jì)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(jì)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(jì)算 PID控制器的控制輸出 ()uk ； ⑥由式（ 317），計(jì)算修正輸出層的加權(quán)系數(shù) ()jmwk； ⑦由式（ 318），計(jì)算修正隱含層的加權(quán)系數(shù) ()ijwk； ⑧使 1kk??， 返回②。 圖 41 三電機(jī)同步系統(tǒng)實(shí)驗(yàn)平臺 （ 1） 機(jī)械部分 本實(shí)驗(yàn)裝置由于 受實(shí)驗(yàn)條件的限制，不可能完全做到模仿工業(yè)現(xiàn)場環(huán)境。 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。() ()()M Mm mMmvk 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(jì)算公式為 ： 39。 三電機(jī)同步系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制 通過對常規(guī) PID缺點(diǎn)和不足的認(rèn)識，以及第二章中關(guān)于神經(jīng)網(wǎng)絡(luò)的諸多優(yōu)點(diǎn)的論述，針對三輸入三輸出的三電機(jī)同步系統(tǒng)，本文中提出了一種神經(jīng)網(wǎng)絡(luò)在線整定 PID參數(shù)的解耦控制方法，其結(jié)構(gòu)如圖 34所示，整個神經(jīng)網(wǎng)絡(luò)控制器由基于神經(jīng)網(wǎng)絡(luò)整定的 在線自整定 PID智能控制器 和神經(jīng)元解 耦 補(bǔ)償器組成，該結(jié)構(gòu)采用的是神經(jīng)元解耦補(bǔ)償器位于自適應(yīng) PID控制器之后的串聯(lián)解耦方案 [30]。 江蘇大學(xué)本科畢業(yè)論文 18 第三章 三電機(jī)同步控制系統(tǒng)的分析與設(shè)計(jì) 三電機(jī)同步系統(tǒng)的數(shù)學(xué)模型 電 機(jī) 1 電 機(jī) 2 電 機(jī) 312F 23F1r 2r 3r11k ? 22k ? 33k ?浮 輥 浮 輥 圖 31 三電機(jī)同步控制系統(tǒng)模型 三 電機(jī)同步系統(tǒng)速度和張力控制的物理模型如圖 31 所示 。 有一種途徑可用于確定隱含層單元的數(shù)目。把神經(jīng)網(wǎng)絡(luò)用于控制正 是利用這個獨(dú)特的優(yōu)點(diǎn)。這樣可以限制每層內(nèi)可以同時動作的神經(jīng)元，或者把每層內(nèi)的神經(jīng)元分為若干組，讓每一組作為一個整體進(jìn)行運(yùn)作。若激勵函數(shù)采用階躍函數(shù)，則圖 21 所示的人工神經(jīng)元模型即是著名的 MP 模型。 第