document.write (''); document.write ('');
收缩
龙8国际,龙8国际娱乐,www.long8.com,售后服务 东莞龙8国际电机,产品资质

www.long8.com

龙8国际_龙8国际娱乐【最新】网址_www.long8.com销售部

电  话:0769-26266341
电  话:0769-22287019

传  真:0769-28057097
邮  编:523000

地  址:东莞市万江区共联社区一号

龙8国际娱乐

几种辨识方案仿真比较

采用DRNN网络,改进的DRNN网络,GA-DRNN网络和DE-DRNN网络对系统进行了离线辨识研究。建模精度评价指标采用均方根误差(RMS)和信号间方差比(VAF)。四种辨识方案的仿真结果如表1所示:

表1:辨识精度对比表

  RMS (%) VAF (%)
训练 验证 训练 验证
DRNN 0.0491 0.0554 93.182 90.175
改进的DRNN 0.0247 0.0265 98.362 97.963
GA-DRNN 0.0117 0.0132 99.149 98.726
DE-DRNN 0.0109 0.0124 99.203 99.067

从表中可以看出,GA-DRNN网络和DE-DRNN网络具有很高的辨识精度,能够实现对系统的高精度辨识,其中DE-DRNN网络的辨识精度最高,因此采用DE-DRNN网络作为系统离线辨识方案。

 

非线性、强耦合、时变性的特点,传统控制方式难以取得很好的控制效果,为此提出了神经网络模型参考自适应控制。神经网络模型参考自适应控制是在传统的自适应控制基础上,将神经网络作为自适应控制算法的新型智能控制方式。神经网络模型参考自适应控制既保留了模型参考自适应控制的优点,又很好的利用了祌经网络对不确定问题的自适应能力,能够在系统参数或初始条件发生变化时自动做出调整,使系统达到最优状态,对东莞龙8国际电机非线性系统具有很好的控制效果神经网络模型参考自适应控制基本控制思想是:将祌经网络作为模型参考自适应控制器的自适应算法,并将参考模型与系统实际的输出偏差反传作为神经网络控制器的学习信号,神经网络控制器控制实际系统拟合参考模型的输出。实际系统的参数漂移、非线性干扰等影响系统控制效果的因素产生的影响,表现为实际系统与参考模型的输出偏差,神经网络控制器根据偏差的大小和偏差的变化率,及时调整网络的权值和阀值,使实际系统的输出能够很好的跟踪参考模型的输出,当实际系统的输出与参考模型的输出偏差趋于极小值或为零时,系统调节结束。

 

神经网络模型参考自适应控制具有直接型和间接型两种不同的控制结构,图1为祌经网络直接型模型参考自适应控制结构图,图2为神经网络间接型模型参考自适应控制结构图。神经网络直接型模型参考自适应控制中将参考模型和被控对象的输出偏差I直接作为神经网络控制器NNC的学习信号,此时若无法得到被控系统精确的数学模型,很难进行NNC的学习修正,故神经网络直接型模型参考自适应控制多用在系统模型可知或是缓慢变化的模型不确定系统中。神经网络间接模型参考自适应控制是在直接型基础上加入了神经网络辨识器NNI。在祌经网络间接型模型参考自适应控制中神经网络辨识器NNI在线辨识被控对象,同时向神经网络控制器NNC提供学习所需的梯度信号,这样即使在被控系统参数未知、模型不确定的情况下,也能通过NNI及时获得被控系统的动态特性。神经网络辨识器NNI接收神经网络控制器NNC输出的控制信号 ,得到被控系统的辨识输出,被控系统的实际输出 与辨识输出的偏差作为NNI的训练信号,NNC根据NNI反传的梯度学习信号动态调整控制信号的输出,使被控对象能够很好的跟踪参考模型。

图1:神经网络直接型模型参考自适应控制结构图

神经网络直接型模型参考自适应控制结构图

图2:神经网络间接型模型参考自适应控制结构图

 神经网络间接型模型参考自适应控制结构图