基于切换的模糊神经网络控制器的仿真研究
|
摘要
近年来，以模糊控制和神经网络控制相结合的软计算技术获得了广泛关注。模糊控制具有响应速度快、鲁棒性强的优点，在系统阶跃响应的暂态阶段，模糊控制能够很快减小误差。但是，单纯的模糊控制往往难以得到满意的稳态精度。本文借鉴切换控制理论，提出了新型的“模糊切换”方法，设计了与神经网络并联的模糊控制器，以解决具有不确定性的复杂系统的控制问题。
一般混合控制器根据误差精确量为阈值进行切换动作。这种常规切换算法简单，易于编程或硬件实现。但是在切换时刻却要保证两个控制器输出大体相等，这对闭环控制是很高的要求。若不能满足则会在切换点处出现振荡并降低控制器的鲁棒性。本文针对这种情况提出的模糊切换的概念，使用误差及其变化的模糊数作为切换阈值，从而使两种不同控制器可以消除切换时因不同控制器输出差异导致的跳变或时滞，以更好的完成切换。
针对工业中常见的直流电机系统进行了仿真试验，仿真结果验证了该算法的有效性，表明这种控制方案能够有效地提高系统的鲁棒性，并且具有很好的适应性和鲁棒性。
The combination of fuzzy and ANN control as soft computing has gained widely concern in recent years. A superior feature of fuzzy control is the improvement of the transient characteristic of control performance and control with excellent robustness can be easily realized. However, a sole controller of fuzzy algorithm is hard to attain satisfactory accuracy in the steady state. Therefore, a hybrid controller of paralleled FNN is designed with fuzzy and FRNC served as subcontrollers. The fuzzy switching is used to synthesise the two algorithms to form a feasible method for uncertain system control.
Moreover, smooth control during switching is guaranteed by executing the change using fuzzy inference. The concept of fuzzy switching membership function is introduced to complete the new switching method. Fuzzy variables of error and error change are used as the switching criterion instead of the accurate value. The new switching method avoided the bottleneck of forcing two controller outputs equal to each other at the switching point, and therefore a more smooth and robust control effect is obtained.
Simulation is performed to the DC motor, which is widely used in the industry. The result demonstrated that the algorithm proposed could yield satisfactory response to sharp reference signal step change and the algorithm is both feasible and effective.
一般混合控制器根据误差精确量为阈值进行切换动作。这种常规切换算法简单，易于编程或硬件实现。但是在切换时刻却要保证两个控制器输出大体相等，这对闭环控制是很高的要求。若不能满足则会在切换点处出现振荡并降低控制器的鲁棒性。本文针对这种情况提出的模糊切换的概念，使用误差及其变化的模糊数作为切换阈值，从而使两种不同控制器可以消除切换时因不同控制器输出差异导致的跳变或时滞，以更好的完成切换。
针对工业中常见的直流电机系统进行了仿真试验，仿真结果验证了该算法的有效性，表明这种控制方案能够有效地提高系统的鲁棒性，并且具有很好的适应性和鲁棒性。
The combination of fuzzy and ANN control as soft computing has gained widely concern in recent years. A superior feature of fuzzy control is the improvement of the transient characteristic of control performance and control with excellent robustness can be easily realized. However, a sole controller of fuzzy algorithm is hard to attain satisfactory accuracy in the steady state. Therefore, a hybrid controller of paralleled FNN is designed with fuzzy and FRNC served as subcontrollers. The fuzzy switching is used to synthesise the two algorithms to form a feasible method for uncertain system control.
Moreover, smooth control during switching is guaranteed by executing the change using fuzzy inference. The concept of fuzzy switching membership function is introduced to complete the new switching method. Fuzzy variables of error and error change are used as the switching criterion instead of the accurate value. The new switching method avoided the bottleneck of forcing two controller outputs equal to each other at the switching point, and therefore a more smooth and robust control effect is obtained.
Simulation is performed to the DC motor, which is widely used in the industry. The result demonstrated that the algorithm proposed could yield satisfactory response to sharp reference signal step change and the algorithm is both feasible and effective.
引文
[1] 王耀南．智能控制系统——模糊逻辑，专家系统，神经网络控制，湖南大学出版社，1995．3
[2] 靳蕃．神经计算智能基础——绕组理论，方法，西南交通大学出版社，2000．1
[3] 余永权．神经网络模糊逻辑控制，电子工业出版社，1999．3
[4] 孙增圻．智能控制理论与技术，清华大学出版社，广西科学技术出舨社，1997．4
[5] 张建民．智能控制原理及应用，冶金工业出版社，2003
[6] 邓莉，刘宵惠．MATLAB语言与控制系统的分析和设计．渝州大学学报(自然科学版)2000，17(1)：30～33
[7] 陶永华．新型PID控制理论与自整定技术．全国首届先进控制与优化研讨会论文集．合肥：中国科学技术大学出版社，1999：60～63
[8] 扈宏杰，尔联洁，刘强，陈敬泉．基于神经网络自适应稳定PID控制方法的研究．北京航空航天大学学报，2001，27(2)：153～156
[9] 楚彦君，巨林仓，刘军辉．PID神经网络控制器的设计及仿真研究．工业仪表与自动化装置，2001，2：3～7
[10] 吕剑虹，张世军，陈来九．智能PID控制器的设计及其应用研究．动力工程，1995，15(4)：6～11
[11] 张秀玲，曹满婷，罗永生．带有神经网络的PID控制器在过程控制中的应用．黑龙江自动化技术与应用，1999，18(4)：7-9
[12] 缪欣，袁艳，张泰山．神经网络PID速度控制器的研究．计算技术与自动化，1999，4(18)：33～35
[13] Robert H．Bishop．现代控制系统分析与设计——应用MATLAB和Simulink．清华大学出版社，2003．12
[14] 王定坤，牟剑鸿．直流电机单片微机控制系统．四川联合大学学报(工程科学版)，1998，2(2)：61～64
[15] 李士勇．模糊控制·神经控制和智能控制．哈尔滨工业大学出版社，1996，4
[16] 刘增良．模糊技术与神经网络技术选编(4) (5)．北京航空航天大学出版社，1999．10
[17] 韩力群．人工神经网络理论、设计及应用．化学工业出版社，2002
[18] 刘金琨．先进PID控制及其MATLAB仿真．北京航空航天大学出版社，2002，6
[19] 肖奇军 李胜勇．模糊自整定PID控制器设计以及MATLAB仿真分析．计算机仿真，2005，9(22)：242～244
[20] 闻新等．MATLAB神经网络仿真与应用．科学出版社，2002
[21] 张秀玲等．带有神经网络的PID控制器在过程控制中的应用．自动化技术与应用，1999，18(4)
[22] 飞思科技产品研发中心编著．MATLAB6.5辅助神经网络分析与设计．电子工业出版社，2003
[23] 张传伟 郭卫．直流电机双闭环调速系统仿真研究．机床与液压，2005，2(1)：128～129
[24] 胡凌燕等．带预测模型的神经网络PID控制器．南昌大学学报(工科版)，2001，23(3)：63～68
[25] D. O. Cajueiro and E. M. Hemerly. Comments on "Adaptive Control and Indentification Using One Neural Network for a class of plants with Uncertainties". IEEE Transactions On Systems, Man, And Cybernetics Part A: Systems And Humans. 2002, 32(2): 279～280
[26] Naira Hovakimyan, Flavio Nardi, Anthony Calise, and Nakwan Kim. Adaptive Output Feedback control of Uncertain Nonlinear Systems Using Single-Hidden-Layer Neural Networks. IEEE Transactions On Neural Networks. 2002, 13(6): 1420～1431
[27] Radu Dogaru, Pedro Julian, Leon O. Chua, and Manfred Glesner. The Simplicial Neural Cell and Its Mixed-Signal Circuit Implementation: An Efficient Neural-Network Architecture for Intelligent Signal Processing in Portable Multimedia Applications. IEEE Transactions On Neural Networks. 2002, 13 (4): 995～1008
[28] 田华，李相林．一种基于混合学习算法的模糊神经网络控制．哈尔滨理工大学学报，2002．2(7)：18-24
[29] YANG Z L. Model Reduction With Time Delay Combining The LeastSquares Method With The BP Algorithms. IEEE PROC Control Theory And Apliction, 1996, 143(3): 247-254
[30] 王伟．串联型模糊神经网络PID控制器的设计．计算机仿真，2002．7，22-24
[31] 张志君，曹晓英，周小林，冯大勇．一种新的模糊神经网络及在化工过程控制系统的应用研究．工业仪表与自动化装置，2001．4，3．6
[32] Kosko Bart And Kong S. G., Adaptive Fuzzy Systems For Backing Up A Truck-And-Tailer. IEEE Trans[J]. Neural Networks, 1990, 1(1), 4-26
[33] 王印松，刘武林．一种PID型模糊神经网络控制器．系统仿真学报，2003．3 (15)389-392
[34] Chao CheeKu, Kwang. Y Lee. Diagonal Recurrent Neural Networks For Dynamic-Systems Control [j]. IEEE Transactions Neural Networks, 1995, 6(10): 1433-1441
[35] 武志云．幕于神经网络的PID控制器研究．内蒙古工业大学学报，2000(3)：234～237
[36] 楚彦君，巨林仓，刘军辉．PID神经网络控制器的设计及仿真研究．工业仪表与自动化装置，2001，2：3～7
[37] 陶永华．新型PID控制及其应用．机械工业出版社．2002
[38] 胡凌燕等．带预测模型的神经网络PID控制器．南昌大学学报(工科版)，2001，23(3)：63～68
[39] B．C．Kuo著．王宗培，孔昌半等译．直流电动机及其控制系统(增量运动控制之一)．哈尔滨工业大学出版社．1984
[2] 靳蕃．神经计算智能基础——绕组理论，方法，西南交通大学出版社，2000．1
[3] 余永权．神经网络模糊逻辑控制，电子工业出版社，1999．3
[4] 孙增圻．智能控制理论与技术，清华大学出版社，广西科学技术出舨社，1997．4
[5] 张建民．智能控制原理及应用，冶金工业出版社，2003
[6] 邓莉，刘宵惠．MATLAB语言与控制系统的分析和设计．渝州大学学报(自然科学版)2000，17(1)：30～33
[7] 陶永华．新型PID控制理论与自整定技术．全国首届先进控制与优化研讨会论文集．合肥：中国科学技术大学出版社，1999：60～63
[8] 扈宏杰，尔联洁，刘强，陈敬泉．基于神经网络自适应稳定PID控制方法的研究．北京航空航天大学学报，2001，27(2)：153～156
[9] 楚彦君，巨林仓，刘军辉．PID神经网络控制器的设计及仿真研究．工业仪表与自动化装置，2001，2：3～7
[10] 吕剑虹，张世军，陈来九．智能PID控制器的设计及其应用研究．动力工程，1995，15(4)：6～11
[11] 张秀玲，曹满婷，罗永生．带有神经网络的PID控制器在过程控制中的应用．黑龙江自动化技术与应用，1999，18(4)：7-9
[12] 缪欣，袁艳，张泰山．神经网络PID速度控制器的研究．计算技术与自动化，1999，4(18)：33～35
[13] Robert H．Bishop．现代控制系统分析与设计——应用MATLAB和Simulink．清华大学出版社，2003．12
[14] 王定坤，牟剑鸿．直流电机单片微机控制系统．四川联合大学学报(工程科学版)，1998，2(2)：61～64
[15] 李士勇．模糊控制·神经控制和智能控制．哈尔滨工业大学出版社，1996，4
[16] 刘增良．模糊技术与神经网络技术选编(4) (5)．北京航空航天大学出版社，1999．10
[17] 韩力群．人工神经网络理论、设计及应用．化学工业出版社，2002
[18] 刘金琨．先进PID控制及其MATLAB仿真．北京航空航天大学出版社，2002，6
[19] 肖奇军 李胜勇．模糊自整定PID控制器设计以及MATLAB仿真分析．计算机仿真，2005，9(22)：242～244
[20] 闻新等．MATLAB神经网络仿真与应用．科学出版社，2002
[21] 张秀玲等．带有神经网络的PID控制器在过程控制中的应用．自动化技术与应用，1999，18(4)
[22] 飞思科技产品研发中心编著．MATLAB6.5辅助神经网络分析与设计．电子工业出版社，2003
[23] 张传伟 郭卫．直流电机双闭环调速系统仿真研究．机床与液压，2005，2(1)：128～129
[24] 胡凌燕等．带预测模型的神经网络PID控制器．南昌大学学报(工科版)，2001，23(3)：63～68
[25] D. O. Cajueiro and E. M. Hemerly. Comments on "Adaptive Control and Indentification Using One Neural Network for a class of plants with Uncertainties". IEEE Transactions On Systems, Man, And Cybernetics Part A: Systems And Humans. 2002, 32(2): 279～280
[26] Naira Hovakimyan, Flavio Nardi, Anthony Calise, and Nakwan Kim. Adaptive Output Feedback control of Uncertain Nonlinear Systems Using Single-Hidden-Layer Neural Networks. IEEE Transactions On Neural Networks. 2002, 13(6): 1420～1431
[27] Radu Dogaru, Pedro Julian, Leon O. Chua, and Manfred Glesner. The Simplicial Neural Cell and Its Mixed-Signal Circuit Implementation: An Efficient Neural-Network Architecture for Intelligent Signal Processing in Portable Multimedia Applications. IEEE Transactions On Neural Networks. 2002, 13 (4): 995～1008
[28] 田华，李相林．一种基于混合学习算法的模糊神经网络控制．哈尔滨理工大学学报，2002．2(7)：18-24
[29] YANG Z L. Model Reduction With Time Delay Combining The LeastSquares Method With The BP Algorithms. IEEE PROC Control Theory And Apliction, 1996, 143(3): 247-254
[30] 王伟．串联型模糊神经网络PID控制器的设计．计算机仿真，2002．7，22-24
[31] 张志君，曹晓英，周小林，冯大勇．一种新的模糊神经网络及在化工过程控制系统的应用研究．工业仪表与自动化装置，2001．4，3．6
[32] Kosko Bart And Kong S. G., Adaptive Fuzzy Systems For Backing Up A Truck-And-Tailer. IEEE Trans[J]. Neural Networks, 1990, 1(1), 4-26
[33] 王印松，刘武林．一种PID型模糊神经网络控制器．系统仿真学报，2003．3 (15)389-392
[34] Chao CheeKu, Kwang. Y Lee. Diagonal Recurrent Neural Networks For Dynamic-Systems Control [j]. IEEE Transactions Neural Networks, 1995, 6(10): 1433-1441
[35] 武志云．幕于神经网络的PID控制器研究．内蒙古工业大学学报，2000(3)：234～237
[36] 楚彦君，巨林仓，刘军辉．PID神经网络控制器的设计及仿真研究．工业仪表与自动化装置，2001，2：3～7
[37] 陶永华．新型PID控制及其应用．机械工业出版社．2002
[38] 胡凌燕等．带预测模型的神经网络PID控制器．南昌大学学报(工科版)，2001，23(3)：63～68
[39] B．C．Kuo著．王宗培，孔昌半等译．直流电动机及其控制系统(增量运动控制之一)．哈尔滨工业大学出版社．1984