針對(duì)直流伺服驅(qū)動(dòng)電機(jī)的網(wǎng)絡(luò)控制系統(tǒng)的非線性控制系統(tǒng)特性和神經(jīng)網(wǎng)絡(luò)多包傳輸?shù)奶匦?提出一種基于滑動(dòng)窗口策略的多核LS-SVM神經(jīng)網(wǎng)絡(luò)PID趨近滑�？刂破鳌Ｔ摽刂破骺梢栽诰�控制和預(yù)測(cè)丟包補(bǔ)償,并將其控制系統(tǒng)實(shí)現(xiàn)為一種具有延遲和丟包的多包數(shù)據(jù)傳輸直流控制器的伺服驅(qū)動(dòng)電機(jī)神經(jīng)網(wǎng)絡(luò)自動(dòng)控制補(bǔ)償系統(tǒng)。其主要方法為,首先基于等效變換、無延遲和滑動(dòng)窗口相結(jié)合的LS-SVM在線數(shù)據(jù)包損耗預(yù)測(cè),建立系統(tǒng)的延遲補(bǔ)償模型。其后通過神經(jīng)網(wǎng)絡(luò)的非線性映射對(duì)PID參數(shù)進(jìn)行在線調(diào)整,實(shí)現(xiàn)穩(wěn)態(tài)并進(jìn)行分析。仿真結(jié)果表明,組合內(nèi)核LS-SVM預(yù)測(cè)策略可以提高數(shù)據(jù)包損失補(bǔ)償?shù)臏?zhǔn)確性,減少系統(tǒng)抖振,在響應(yīng)速度較快的情況下完成整定。 

【文章來源】：火力與指揮控制. 2020,45(08)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

丟包補(bǔ)償器的多包傳輸NCS結(jié)構(gòu)

定義為以上兩個(gè)內(nèi)核函數(shù)的線性組合：（11）滿足并求解了相應(yīng)核函數(shù)的權(quán)重（式（10）），以得到最小二系數(shù)之和，以獲得最小二系數(shù)相乘支持的向量代數(shù)回歸模型：（12）定義特征矩陣：，其中（13）直流伺服電機(jī)網(wǎng)絡(luò)控制系統(tǒng)在實(shí)際工作的過程中會(huì)自動(dòng)產(chǎn)生大量的工作過程數(shù)據(jù)。系統(tǒng)在線建模過程需要一個(gè)新的工作過程來用于跟蹤系統(tǒng)的工作動(dòng)態(tài)和特性。它有助于吸收新的信息并更好地保持樣本的大校在線建模的基本思想是滑動(dòng)時(shí)間窗口策略，該策略吸收最新樣本，刪除最舊樣本并且不更改樣本大�；瑒�(dòng)時(shí)間窗口策略如圖2所示。每當(dāng)時(shí)間窗口L移動(dòng)時(shí)，訓(xùn)練樣本也會(huì)移動(dòng)。時(shí)間窗口的寬度設(shè)置與樣本數(shù)量成比例。從多核LS-SVM矩陣模型可以很清楚地看出，建立最小二維一乘矩陣需要支持一個(gè)向量Q的逆Q-1，在此定義特征矩陣為。其中，，為核矩陣，，。在此內(nèi)核模型的基本定義也可以用來作為一個(gè)新的內(nèi)核矩陣。因此，滑動(dòng)時(shí)間窗策略的在線建模問題，導(dǎo)致了不斷吸收新樣本以及減少和更新舊樣本的過程［13］。圖2滑動(dòng)窗口策略示意圖1）該模型的一個(gè)重要關(guān)鍵特點(diǎn)是QL需要快速求解一個(gè)具有特征二乘矩陣的逆（xnew，ynew）。一個(gè)新的特征內(nèi)核矩陣：（14）其中，，。當(dāng)核函數(shù)選用RBF核函數(shù)時(shí)，·24·1352

夭愕囊桓鏨窬??G0的輸出恒為一，而令輸出單元與其相聯(lián)的權(quán)值為。設(shè)訓(xùn)練樣本集為，其中任一訓(xùn)練樣本，對(duì)應(yīng)的實(shí)際輸出為，期望輸出為。當(dāng)網(wǎng)絡(luò)輸入訓(xùn)練樣本Xk時(shí)，網(wǎng)絡(luò)第j個(gè)輸出神經(jīng)元的實(shí)際輸出為：（37）如果“基本函數(shù)”是高斯函數(shù)，可以表示如下：（38）其中，是高斯函數(shù)的中心和高斯函數(shù)的方差。使用文獻(xiàn)［19］的方法確定相應(yīng)的RBF加權(quán)因子。4仿真驗(yàn)證直流發(fā)電機(jī)伺服負(fù)載在發(fā)電機(jī)網(wǎng)絡(luò)自動(dòng)控制系統(tǒng)的狀態(tài)采樣周期一般定義為0.1s。參數(shù)矩陣被定義為：定義時(shí)延狀態(tài)轉(zhuǎn)移矩陣（39）圖4為對(duì)應(yīng)的時(shí)延分布圖4時(shí)延分布圖未來被丟棄的系統(tǒng)懲罰效果因子中的數(shù)據(jù)和封包數(shù)量可以直接用于優(yōu)化訓(xùn)練，通過優(yōu)化訓(xùn)練可以獲得更好的系統(tǒng)懲罰效果因子C=196，核離子函數(shù)參數(shù)的值為0.9，并且兩個(gè)核函數(shù)相對(duì)應(yīng)。權(quán)值分別是棕1=0.681，棕2=0.319。相應(yīng)地，滑�？刂破鲄�(shù)的初始值為比例系數(shù)l=30、積分系數(shù)m=1、微分系數(shù)n=5，神經(jīng)網(wǎng)絡(luò)層數(shù)設(shè)置為8，隱藏層中神經(jīng)元數(shù)為4。使用訓(xùn)練樣本獲得相應(yīng)的加權(quán)因子，然后從極點(diǎn)位置計(jì)算出滑模表面常數(shù)矩陣（40）可以根據(jù)式（39）進(jìn)行計(jì)算控制變量。使用Truetime進(jìn)行模擬和驗(yàn)證。首先，驗(yàn)證了基于滑動(dòng)窗口多核LS-SVM數(shù)據(jù)在線的預(yù)測(cè)和補(bǔ)償。兩個(gè)數(shù)據(jù)包變化和丟失率的平均值分別顯示為30%和60%。圖5顯示了基于滑動(dòng)窗口策略使用的單核LS-SVM和多核LS-SVM傳感器執(zhí)行丟包數(shù)據(jù)在線預(yù)測(cè)和補(bǔ)償時(shí)的在線預(yù)測(cè)補(bǔ)償比較的結(jié)果。圖5丟包預(yù)測(cè)與補(bǔ)償比較圖5中的最大丟包機(jī)概率曲線預(yù)測(cè)結(jié)果曲線和信號(hào)補(bǔ)償器的曲線計(jì)算分析結(jié)果表明，即使用的是一個(gè)單核的最大丟包機(jī)概率通常為30%或60%，多核LS-SVM最大丟包機(jī)概率的曲線預(yù)測(cè)也非常容易接?

【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法LS-SVM直接逆模型的閉環(huán)腦機(jī)接口單關(guān)節(jié)控制[J]. 孫京誥,王碩,楊嘉雄,薛瑞,潘紅光.  信息與控制. 2018(06)
[2]基于全局反步滑模控制的艦炮隨動(dòng)系統(tǒng)齒隙補(bǔ)償方法[J]. 姜尚,田福慶,梁偉閣.  海軍工程大學(xué)學(xué)報(bào). 2018(05)
[3]基于分段趨近律的航天器對(duì)地凝視姿態(tài)滑�？刂芠J]. 楊新巖,廖育榮,倪淑燕.  科學(xué)技術(shù)與工程. 2018(25)
[4]航空發(fā)動(dòng)機(jī)分布式系統(tǒng)解耦控制研究[J]. 段進(jìn)峰,彭靖波,謝壽生,王立國.  火力與指揮控制. 2017(05)
[5]基于ITD復(fù)雜度和PSO-SVM的滾動(dòng)軸承故障診斷[J]. 張小龍,張氫,秦仙蓉,孫遠(yuǎn)韜.  振動(dòng)與沖擊. 2016(24)
[6]基于RBF神經(jīng)網(wǎng)絡(luò)電液恒功率調(diào)速自整定PID控制[J]. 王雪麗.  機(jī)床與液壓. 2016(22)
[7]Chattering analysis for discrete sliding mode control of distributed control systems[J]. Litong Ren,Shousheng Xie,Yu Zhang,Jingbo Peng,Ledi Zhang.  Journal of Systems Engineering and Electronics. 2016(05)
[8]基于SVD的直線電機(jī)動(dòng)子位置的高精度測(cè)量方法[J]. 王輝,趙靜,趙吉文,宋俊材,竇少昆.  儀器儀表學(xué)報(bào). 2016(09)
[9]電磁力反饋中磁場特性分析與線圈姿態(tài)計(jì)算[J]. 朱煒煦,袁志勇,童倩倩.  電子測(cè)量與儀器學(xué)報(bào). 2016(04)
[10]時(shí)延分布式控制系統(tǒng)的Truetime仿真分析[J]. 張馭,謝壽生,苗卓廣,任立通,田虎森.  火力與指揮控制. 2016(01)



本文編號(hào)：3540911