摘? 要: 基于單輸入單輸出的具有自學習功能的神經網絡模塊SN9701開發出了多變量系統的解耦控制器,計算機仿真結果表明,用4塊SN9701可以完成雙輸入雙輸出系統的解耦控制。介紹了該多變量系統解耦控制原理以及解耦控制系統中SN9701的訓練。
關鍵詞: 神經網絡? SN9701? 解耦控制? 計算機仿真
?
人工神經網絡作為現代智能控制領域的一個分支,近年來在工業自動化領域得到了廣泛應用。例如,可用于預報、模式識別、尋優和改善控制環節等[1]。而大部分的研究集中在神經網絡軟件技術上,主要是軟件設計和學習算法。一些國家已研制出神經網絡芯片,使神經網絡的本質并行算法真正得以體現。SN9701是一種神經網絡硬件模塊[2],其網絡模型是切比雪夫(Chebyshev)多項式神經網絡,它可以任意精度逼近任意非線性映射,但它只是單輸入單輸出模塊。本文介紹利用其快速的學習收斂速度,采用4塊SN9701開發雙輸入雙輸出系統的解耦控制器,并給出計算機仿真結果。
1 SN9701功能簡介
SN9701是單輸入單輸出神經網絡模塊,其內部主要由切比雪夫多項式形成電路、特征權值調整電路、性能指標判斷電路以及函數形成電路等組成。其管腳排列如圖1所示。
SS:樣本學習輸入端,對于樣本集{xi,di},模擬量di由此端輸入;
??? IN:樣本學習輸入端,對于樣本集{xi,di},模擬量xi由此端輸入;對于已訓練好的神經網絡,輸入變量也由此端輸入;
DIS:樣本訓練結束標志端,低電平有效,發光二極管指示;
GND:電源地;
ε:性能指標輸入端,ε為任意小的正模擬電壓,可由兩個串聯電阻分壓獲得;
ST:啟動神經網絡學習輸入端,負脈沖有效;
OUT:神經網絡輸出端;
Vcc:電源正端,Vcc為10~30V電源。
2 基于SN9701的多變量系統解耦控制器設計
2.1 多變量系統解耦控制原理
現考慮雙輸入雙輸出系統:
其中G11(·)、G12(·)、G21(·)、G22(·)表示任意時域或頻域的線性或非線性傳遞關系。解耦控制系統原理框圖如圖2所示,解耦器NND1和NND2對耦合系統進行解耦,控制器NNC1和NNC2對兩個單輸入單輸出系統進行控制。
圖中r1、r2是設定值y1、y2為解耦控制系統輸出,u1、u2為施加于對象的控制量,v1、v2為單輸入單輸出系統控制器輸出。解耦控制系統應滿足下式,以實現解耦功能和控制功能。
解耦功能和控制功能可用4塊SN9701經過訓練完成。由上面式子可知,4塊SN9701訓練的目的就是分別逼近(3.1)、(3.2)式的函數關系以及(4.1)、(4.2)式的逆函數關系。
2.2 解耦控制系統中SN9701的訓練
SN9701實現兩輸入兩輸出系統的解耦控制步驟如下:
(1)根據(3.1)式和(3.2)式分別產生足夠數量的數據樣本,并分別訓練兩個SN9701模塊,以逼近(3.1)式和(3.2)式,實現解耦器的設計;
(2)將訓練好的NND1串入(4.1)式或者直接根據產生足夠的訓練樣本,以訓練SN9701控制NNC1。不過此時應將(4.1)式的輸出作為SN9701的輸入,將(4.1)式的輸入作為SN9701的訓練目標。
(3)將訓練好的NND2串入(4.2)式或者直接根據產生足夠的訓練樣本,以訓練SN9701控制NNC2。
3 仿真例子
考慮如下強耦合系統:
根據第3節中的方法步驟訓練SN9701,得到解耦器和控制器NND1、NND2、NNC1、NNC2。對單位階躍響應的仿真試驗結果如圖3所示。從仿真結果可見,用4個訓練好的SN9701實現兩輸入兩輸出系統的解耦控制,效果令人滿意。
?
參考文獻
1 袁曾任.人工神經網絡及其應用.北京:清華大學出版社,1999
2 曾哲昭,鄒阿金.Chebyshev神經網絡模塊SN9701及其應用.國外電子元器件,1998(11):9~10
3 何克忠,李 偉.計算機控制系統.北京:清華大學出版社,1998