一种基于模糊径向基函数神经网络的自学习控制器.docx

第33卷第6期2004 年12月信息与控制Information andControlVol.33,No.6Dec. ,2004文章编号 :100220411 (2004)0520758204一种基于模糊径向基函数神经网络的自学习控制器党开放1 , 董 霞2 ,林廷圻2(1. 北京化工大学机电学院 , 北京 100029 ; 2. 西安交通大学机械电子工程系 , 陕西 西安710049)摘 要:提出了一种新型的基于模糊径向基函数(RBF)的神经网络学习控制器,并应用于电液伺服系统.由于RBF网络和模糊推理系统具有函数等价性,采用模糊经验值方法选取网络中心值和基函数数目.与一般 的神经网络自学习控制器不同,以系统动态误差作为网络输入量,RBF神经网络控制器学习的是整个系统的 动态逆过程,因而控制性能明显提高.对电液位置伺服系统的仿真和实验结果表明,该控制方案可以有效提高 系统的控制精度和自适应能力. Ξ关键词:径向基函数网络;神经网络学习控制;电液位置伺服系统中图分类号 :TP183文献标识码:BA Self2learning Controller Based on Fuzzy Radial Basis Function Neural NetworksDANG Kai2fang1 , DONG Xia2 , L IN Ting2qi2(1. College of Mechanical Electronic Engineering , Beijing University of Chemical Technology , Beijing 100029 , China;2. Department of Mechatronical Engineering , Xiπan Jiaotong University , Xiπan 710049 , China)Abstract : A new learning controller based on fuzzy radial basis function neural networks is proposed and used inelec2trohydraulicservosystem.DuetothefunctionequivalencebetweenRBFneuralnetworksandfuzzyinferencesystem,fuzzyexperience method is adopted to select the centers and the number of basis function networks. Unlike common neural networklearning controller , the dynamic errors are served as the network input. The RBF neural networks learn dynamic inverse pro2cess of the whole system , so the control performance is improved obviously. The results of simulation and experiment onanelectrohydraulic position servo system show that this control strategy can improve control precision and adaptive ability effec2tively.Keywords : radial basis function(RBF) network ; neural network learning control ; electrohydraulic position servo sys2tem引言(Introduction)神经网络在处理非线性问题中具有独特的优势.近年来,出现了许多基于神经网络的控制方案, 但大部分都存在学习速度慢等缺陷,阻碍了神经网络控制策略在实际系统中的应用.径向基函数(Ra2dial Basis Function ,简称 RBF)网络是近几年来继多层感知器之后一种十分有效的多层前向网络.RBF网络在结构上具有输出权值的线性关系,因而不存在局部最优问题.已经证明RBF网络可在任意精度下逼近任意的非线性函数,是一种品质良好的网络[1].RBF网络的确定一般需要两个阶段,一是径向 基函数即隐层单元数目和中心位置的选取,二是输出权