CMAC神經網絡快速學習算法及其在容錯控制中的應用.pdf

1、本文以動態(tài)非線性故障系統(tǒng)為研究對象，研究在未知的故障模式下，CMAC神經網絡快速準確的故障診斷算法及其在容錯控制中的應用。主要針對CMAC局部逼近的小腦模型關節(jié)控制器學習算法進行研究，提出改進的權值調整策略與核空間映射算法，以此來設計在線故障估計器跟蹤系統(tǒng)未知故障。在常規(guī)的CMAC學習算法中，矯正誤差被平均分配給所有的存儲單元而忽略了這些被激活存儲單元的可信度?；谛哦确峙涞腃MAC神經網絡，利用激活單元先前學習次數(shù)作為可信度；先前學習

2、次數(shù)越多，可信度越高，其權值調整越少。此算法提高了網絡的學習速度與精度，但未進一步考慮“新知識學習”與“舊知識遺忘”之間的平衡關系。本文提出改進的基于信度分配的CMAC(ICA-CMAC)神經網絡，保留了信度分配的權值學習思想，提出一種“平衡學習”概念，對信度分配規(guī)則進行改進。誤差校正值與激活單元先前學習次數(shù)的負p次方成比例，通過選擇最優(yōu)的p參數(shù)來提高網絡的學習速度與精度。另外，針對高維故障函數(shù)情況下，網絡復雜度增加，逼近能力降低之問題

3、。本文引入了核空間的概念設計了改進的核CMAC(IK-CMAC)網絡模型，利用核技巧可以在不增加網絡復雜度的基礎上提高網絡逼近能力。從仿真結果可以看出，應用兩種改進的CMAC神經網絡設計的在線故障估計器學習速度快，逼近精度高；達到快速檢測和診斷故障的目的。 當非線性系統(tǒng)發(fā)生故障時，為補償故障帶來的影響，保持系統(tǒng)的穩(wěn)定性，需對系統(tǒng)進行故障調節(jié)。故障調節(jié)是在故障發(fā)生后通過控制律的重構使系統(tǒng)運行軌跡重新回復到正常狀態(tài)。故障發(fā)生前使用名

4、義(無故障)控制器ueq，故障發(fā)生后，為補償故障帶來的損失，本文提出基于變結構滑?？刂频目刂坡芍貥嫴呗?，其容錯控制律重構為u=ueq+uf，其中uf為補償控制律，由此生成新的控制器以保證故障情形下系統(tǒng)的穩(wěn)定及控制性能。 綜上所述，本文以動態(tài)非線性系統(tǒng)為研究對象，分別以ICA-CMAC和IK-CMAC神經網絡為在線故障診斷的手段設計在線故障估計器。在不同的故障模式下，對未知故障進行快速準確地學習識別；應用離散滑?？刂萍夹g實現(xiàn)控制規(guī)