基于对向传播网络(CP)模糊控制研究.pdfVIP

坚 堕旦型兰些塑!垫些皇堕皇些垫查 基于对向传播网络(CP)的模糊控制研究 左健民 (南京工程学院) 摘要：本文就液压传动系统实时控制中，传统模糊控制在控制过程中具有过渡过程时间 较长、压力振荡较大的特点，提出了基于对向传播网络的模糊控制(CPFC)方式，该控制 方式将神经网络控制与模糊控制相结合，实验结果表明，在控制性能上较传统模糊控制有所 改进。 关键词：对向传播网络模糊控制液压传动神经网络映射 过权矩阵K连接输出层(GroSsberg)。 1 引言 液压传动系统由于其非线性和时变的特点， 在实时控制中，传统的PIP等控制方式难以取得 较为满意的控制效果，模糊控制(FC)以其独 特的控制规则能取得比较满意的控制性能…。然 弓 而，由于模糊控制是～种基于知识的控制，控制 性能的好坏直接取决于知识获得的多少。由于液 压传动系统本身的特点，使人们很难完全把握其 变化规律，所阻控制效果也会因此而有所降低。 输八层竞争层输出层 在压力阶跃变化控制过程中，往往有过渡过程较 图1 CP神经网络结构 长、压力振荡较大、且具有时变的特点。如果模 糊控制具有学习的机制，能够不断地从被控对象 CP网络的训练是无教师学习和有教师学习 中获取信息，修正模糊控制规则，这样控制效果 的综合，无教师学习保证了网络可以不断接受信 就会大大改善，而学习机制的产生必须利用神经 息而调整规则，～般权矩阵∥的调节是无教师 网络。由于神经网络具有自学习机能，经过一定 学习法，竞争层是在无教师学习方式下执行自组 的训练阻后，它能给出一个比较合理的模糊规 织学习算法，以求能区分不同类型的输入矢量。 则，而这一规则也并非一成不变，它可以从实时 输出层是在有教师学习方式下进行训练的、要求 控制中获得新的信息而加咀修正，使其具有较好 产生希望的结果。CP网络算法如下。 的控制性能。 2．1输入向量标准化 』 2 对向传播网络(CP)的结构 扣南肛1’2……M+2’…一 人工神经网络所具有的一种信息处理能力是 通过自组织完成对范例的影射学习，对向传播 2．2权阵列矿取随机小位 (Counter Propagation)神经网络(CP)是美 Heeht-Nielsen于1987 国神经计算机专家Robert 2．3权阵列标准化 年提出的，它是将Kohonen特征映射网络与 Grossberg基本竞争网络巧妙结合、发挥各自特 矿 长的一种新型特征映射网络，CP网络的结构如 ％2谪 图1所示，网络由输入、竞争和输出三层构成。 暇=慨。，彤(f+1)，一，阡名，斗，阡，叩J 各神经元之间全互连接，输入层接受输入向量， f=l，2，…．m： Kohonen层通过全矩阵w与输入层相连，再经 J=1，2，…，P 网络技术 2．4输入向量 解多少就体现在控制规则上，规则制定得好坏将