神經(jīng)網(wǎng)絡(luò)在流速儀檢定系統(tǒng)中的應(yīng)用研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展,控制對(duì)象變得越來(lái)越復(fù)雜,對(duì)控制指標(biāo)的要求也越來(lái)越高,常規(guī)的控制方法和控制技術(shù)都不能實(shí)現(xiàn)對(duì)它們的滿意控制.人工神經(jīng)元網(wǎng)絡(luò)作為人工智能在控制領(lǐng)域的應(yīng)用之一,越來(lái)越引起人們的重視.該文從遼寧省水文站的流速儀檢定系統(tǒng)的速度控制出發(fā),對(duì)RBF神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂频膶?shí)際運(yùn)用進(jìn)行了一些研究.由于流速儀檢定調(diào)速系統(tǒng)要求用來(lái)檢定流速儀各項(xiàng)性能指標(biāo)的檢定車的速度控制十分精密、準(zhǔn)確.檢定車的速度范圍在(0.01m/s~4.00m/s),調(diào)速比

2、1:400,所以采用了德國(guó)西門(mén)子的6RA70系列直流調(diào)速器對(duì)直流電動(dòng)機(jī)調(diào)速.盡管6RA70調(diào)速器上具有PID功能,但由于該系統(tǒng)來(lái)說(shuō)調(diào)速范圍非常大,很難找到一組既適用于低速又適用于高速的PID參數(shù)(現(xiàn)場(chǎng)實(shí)驗(yàn)己證明了這一點(diǎn)),因而,檢定系統(tǒng)的設(shè)計(jì)采用了基于神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID算法,并在此基礎(chǔ)上運(yùn)用了RBF神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?在系統(tǒng)辨識(shí)中,采用了自組織特征映射網(wǎng)絡(luò)實(shí)現(xiàn)RBF中心聚類,并與遞推最小二乘法構(gòu)成遞推混合學(xué)習(xí)算法,從而改善了中心聚類效果

3、;同時(shí),權(quán)值的調(diào)整和控制器的設(shè)計(jì)均基于所選擇的Lyapunov函數(shù),所以能保證閉環(huán)系統(tǒng)的穩(wěn)定性以及權(quán)值和誤差信號(hào)的有界性.網(wǎng)絡(luò)訓(xùn)練時(shí),根據(jù)過(guò)程實(shí)測(cè)的輸入輸出數(shù)據(jù),將實(shí)際對(duì)象輸出的過(guò)去值包含進(jìn)RBF網(wǎng)絡(luò)的輸入層,從而得到一動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò),作非線性系統(tǒng)的預(yù)測(cè)模型.在動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,采用了對(duì)象-正模型-逆系統(tǒng)的實(shí)現(xiàn)方法,設(shè)計(jì)了基于神經(jīng)網(wǎng)絡(luò)的非線性內(nèi)?？刂品桨?論文介紹神經(jīng)網(wǎng)絡(luò)內(nèi)模控制和控制器設(shè)計(jì),并且提出了一種在線自適應(yīng)跟蹤辨識(shí)方法,既利