摘要： 本文采用神經(jīng)網(wǎng)絡(luò)對(duì)氣動(dòng)伺服系統(tǒng)的模型進(jìn)行辨識(shí)。分析RBF神經(jīng)網(wǎng)絡(luò)辨識(shí)的原理及其與參估計(jì)法的區(qū)別。針對(duì)實(shí)際系統(tǒng)．設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)辯識(shí)模型。實(shí)驗(yàn)表明該方法建立的模型是正確的。 關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)辨識(shí)；氣動(dòng)伺服系統(tǒng) 引 言 氣體的可壓縮性、低粘度、和熱敏性使氣動(dòng)伺服系統(tǒng)的特性不易掌握，歸納起來氣動(dòng)伺服系統(tǒng)有以下幾個(gè)特點(diǎn)： （I）時(shí)變性：即系統(tǒng)參數(shù)不是定常的．是隨時(shí)間改變的而且在運(yùn)動(dòng)過程中，參數(shù)與位置有關(guān)。 （2）熱敏性：系統(tǒng)特性溫度影響嚴(yán)重。 （3）壓敏性：系統(tǒng)特性受氣源壓力波動(dòng)影響較大。 （4）非線性：氣體的大壓縮性和執(zhí)行機(jī)構(gòu)的摩擦力使系統(tǒng)特性呈嚴(yán)重的非線性。 這些特點(diǎn)使氣動(dòng)伺服控制系統(tǒng)的模型不易得到，給氣動(dòng)伺服系統(tǒng)的控制帶來許多困難。被控系統(tǒng)的數(shù)學(xué)模型對(duì)系統(tǒng)的分析和控制非常重要。建立動(dòng)態(tài)系統(tǒng)數(shù)學(xué)模型的方法有機(jī)理建模和實(shí)驗(yàn)建模。辨識(shí)建模方法有階躍響應(yīng)法、頻率響應(yīng)法、相關(guān)分析法和參數(shù)估計(jì)法。近年來，神經(jīng)網(wǎng)絡(luò)研究所取得的進(jìn)展為動(dòng)態(tài)系統(tǒng)辨識(shí)提供了新方法，已有許多成功應(yīng)用的報(bào)道。 2 神經(jīng)網(wǎng)絡(luò)辯識(shí)與參數(shù)估計(jì)法的區(qū)別 從本質(zhì)上講，兩者是相同的，都是利用輸人輸出信垮通過某種算法求得能反映系統(tǒng)特性的模型，都是采用擬臺(tái)的方法。不同的是，神經(jīng)網(wǎng)絡(luò)比參數(shù)估計(jì)法更靈活，能逼近任意非線性函數(shù)，反映任意非線性系統(tǒng)的特性。具有自學(xué)習(xí)和記憶能力；神經(jīng)網(wǎng)絡(luò)采用的是各種非線性函數(shù)，參數(shù)估計(jì)法僅采用多項(xiàng)式，因此，從某種意義上可以說神經(jīng)網(wǎng)絡(luò)辨識(shí)是參數(shù)估計(jì)法的推廣和改進(jìn)。 神經(jīng)網(wǎng)絡(luò)辨識(shí)的效果與所選用的區(qū)模型和權(quán)值的求算方法有關(guān)，在各種神經(jīng)網(wǎng)絡(luò)模型中，RBF（RadialBasis Function）網(wǎng)絡(luò)結(jié)構(gòu)簡單、學(xué)習(xí)收斂快，精度高，非常適合單輸出系統(tǒng)的辨識(shí)建模。因此本文選擇該模型來對(duì)開關(guān)閥控氣動(dòng)伺服系統(tǒng)進(jìn)行辨識(shí)。 3 RBF網(wǎng)絡(luò)模型 RBF網(wǎng)絡(luò)模型只有一個(gè)隱層，一個(gè)輸出，每個(gè)隱節(jié)點(diǎn)都按RBF的規(guī)律輸出，如圖I所示。網(wǎng)絡(luò)輸出： 4 基于RBF網(wǎng)絡(luò)的動(dòng)態(tài)辨識(shí)原理 任意SISO非線性系統(tǒng)可用式（3）描述。 用RBF網(wǎng)絡(luò)辨識(shí)時(shí)，通常選取系統(tǒng)輸入 時(shí)刻前個(gè)值和輸出f時(shí)刻前f個(gè)值作為RBF網(wǎng)絡(luò)的輸入向量。采用學(xué)習(xí)算法用樣本對(duì)RBF網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練后的權(quán)值表征著被辨識(shí)系統(tǒng)的固有特征。訓(xùn)練時(shí)，指標(biāo)函數(shù)： 權(quán)值修正算法為： 式中：N—— 樣本數(shù)； r — — RBF網(wǎng)絡(luò)輸出值； η —— 學(xué)習(xí)速率因子 5 基于RBF網(wǎng)絡(luò)模型的開關(guān)閥控氣動(dòng)位置伺服系統(tǒng)辨識(shí) 由機(jī)理分析建?？芍_關(guān)閥控氣動(dòng)位置伺服系統(tǒng)是三階系統(tǒng)，因此設(shè)計(jì)圖2所示的RBF神經(jīng)網(wǎng)絡(luò)模型來辨識(shí)此類系統(tǒng)。 圖中，隱節(jié)點(diǎn)個(gè)數(shù)量m取21；Cj分別按輸人輸出最大最小值之間等距取值。采取式（4）、（5）的算法求得各隱節(jié)點(diǎn)的權(quán)值。 圖3是采用同一控制器的實(shí)際系統(tǒng)輸出和模型仿真輸出，曲線1為實(shí)際輸出，曲線2為模型仿真輸出。從圖可知兩者基本吻合，這表明所建模型是正確的。 6 結(jié)論 本文用RBF神經(jīng)網(wǎng)絡(luò)理論對(duì)開關(guān)閥控氣動(dòng)位置伺服系統(tǒng)進(jìn)行了辨識(shí)研究，得出幾點(diǎn)結(jié)論： （1）RBF神經(jīng)網(wǎng)絡(luò)的隱節(jié)點(diǎn)個(gè)數(shù)不宜太少，否則辨識(shí)模型與實(shí)際對(duì)象相差較大。 （2）在實(shí)時(shí)采樣訓(xùn)練樣本時(shí)，要對(duì)樣本進(jìn)行予處理，以提高辨識(shí)結(jié)果的準(zhǔn)確性，同時(shí)學(xué)習(xí)率因子對(duì)RBF網(wǎng)絡(luò)的收斂性有很大影響。 （3）用RBF神經(jīng)網(wǎng)絡(luò)對(duì)開關(guān)閥控氣動(dòng)位置伺服系統(tǒng)進(jìn)行辨識(shí)建模是合適的。 [參考文獻(xiàn)] [1]顧鐘文．工業(yè)系統(tǒng)建模．杭州：浙江大學(xué)出版杜，1995 [2]徐耀玲等．人工神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辯識(shí)中的應(yīng)用．自動(dòng)化學(xué)報(bào)，1991，17（1）：91—94 [3]日建國．動(dòng)態(tài)系統(tǒng)RBF網(wǎng)絡(luò)建模方法及其應(yīng)用．西安：中國神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會(huì)論文集．1993（10） [4]王宣銀．PCM氣動(dòng)系統(tǒng)的建模研究．機(jī)床與液床，1997 [5]王宣銀．氣壓驅(qū)動(dòng)機(jī)器人控制的研究浙江大學(xué)博士后研究工作報(bào)告．1997（11） 請(qǐng)點(diǎn)擊此處下載原文