基于函数链神经网络的模型构造及控制

2012年06月27日17:11:13 本网站我要评论(2)字号：T | T | T

关键字：应用

陈　罡，，周奇才，胡旭晓
同济大学机械工程学院，上海

浙江纺织服装学院机电研究所，浙江宁波

浙江理工大学机械与自动控制学院，浙江杭州

摘　　　要：通过对热驱动部件的理论分析，确定参数待定的热驱动部件数学模型。针对现有数学模型中多阶指数函数拟合算法的复杂性，提出一种基于函数链神经网络（ＦＬＡＮＮ）的多阶指数函数逐级递推式拟合算法。根据不同时间常数的指数函数具有不同平衡时间的特点，采用基于ＦＬＡＮＮ一阶指数函数拟合算法，逐步确定多阶指数函数对应项的待定参数，建立热驱动部件的数学模型。应用多模控制和模糊切换策略，对具有大进给力的纳米级驱动部件进行控制，试验表明系统具有快速响应和高精度，并实现了平稳过渡，证明了基于ＦＬＡＮＮ的算法构建的控制模型具有精度高、收敛性好以及简单实用等优点。

关　键　词：函数链神经网络；分段指数拟合；多模态控制；模糊切换

１　引　言
变形体的热驱动部件传热过程中温度场、位移场变化规律，往往随时间和空间作近似多阶指数函数的特性变化，因此如何快速准确地求得多阶指数函数特征参数，构建系统数学模型和控制系统，对复杂系统进行深入的热态特性研究，具有积极的意义。目前研究多阶指数函数的拟合方法较多，主要拟合方法有指数函数进行泰勒级数展开，然后进行拟合；把指数函数拟合问题转换成带参量多项式参数回归问题；通过遗传算法对指数函数进行拟合［１〗；采用基于较小二乘法的逐级递推式拟合的指数拟合［２〗；稳定对角隐式ＲｕｎｇｅＫｕｔｔａ法［３〗和ＢＤＦ算法指数拟合法［４〗等方法，上述这些拟合算法各有优缺点，总体而言上述算法的拟合算式太复杂，针对复杂研究对象建模的拟合速度较慢，都存在拟合方法的通用性与拟合精度之间的矛盾。由于多阶指数函数拟合的复杂性和拟合精度的问题，本文提出一种基于函数链神经网络多阶指数函数逐级递推式拟合算法，求出多阶指数函数特征参数，建立针对具有大进给力的纳米级驱动部件的复杂系统的数学模型和多模态控制系统。在系统响应前期、过渡期和后期分别采用不同的控制策略，为保证系统在不同模态切换的抖振，采用模糊切换的方式进行不同控制方法的切换，保证模态间过渡平稳，证明了基于ＦＬＡＮＮ的算法构建的控制模型具有精度高、收敛性好以及简单实用等优点。

登录网站后可下载文件

基于函数链神经网络的模型构造及控制

相关阅读: