[發明專利]基于神經網絡逆辨識與自適應PID的聲參量陣控制方法

無效

• 申請號: 201210576357.5
• 申請日: 2012-12-27
• 公開（公告）號: CN103105773A
• 公開（公告）日: 2013-05-15
• 發明（設計）人: 陳敏;楊天文;趙亮;張力文;劉星
• 申請（專利權）人: 電子科技大學
• 主分類號: G05B11/42
• 分類號: G05B11/42
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

一種聲參量陣控制系統設計方法，尤其涉及一種基于神經網絡的逆辨識與自適應PID控制以減小聲參量陣系統信號失真度的控制系統設計方法。

背景技術

聲參量陣系統是利用聲參量陣原理，產生高指向性聲頻信號的新一代揚聲器。與傳統揚聲器發出的聲波全向傳播不同的是，該系統可以將可聽生沿著一個指定的方向進行傳播。在該方向以外區域的聲音將很微弱甚至聽不到。

作為一種新概念揚聲器，目前聲參量陣系統的相關基礎理論與關鍵技術發展仍然不很成熟。這種理論與技術上的不成熟導致了聲音失真成為制約參量陣系統發展的主要原因之一。解決聲參量陣系統聲音失真的根本途徑在于其信號處理方法的研究。目前國內外眾多學者提出了DSB法、SSB法、平方根法、雙積分又平方根法和TDSB法等信號處理方法，但這些算法的理論依據均為Westervelt及Berktay提出的參量陣理論。這兩種理論在理論推導過程在做了大量假設，且對聲參量陣涉及的非線性項僅做了兩階非線性近似，很難精確描述聲參量陣的非線性特性，尤其是二階以上的非線性特性。這使得依據現有聲參量陣理論開發的聲參量陣信號處理方法存在先天缺陷。

神經網絡作為一種研究非線性系統十分有效的手段，近年來得到了較好發展。理論上講，采用神經網絡可以以任意精度逼近非線性系統，這為解決現有參量陣理論只能二階逼近聲參量陣的非線性特性問題提供了一條新途徑。在多年的研究基礎上，申請人成功制作出了空氣中的聲參量陣樣機，可以測試出聲參量陣的輸入信號與輸出信號，這為采用神經網絡方法對聲參量陣進行系統辨識、建模與控制創造了條件。

發明內容

本發明的目的是，提供了一種基于神經網絡逆辨識與自適應PID控制相結合的聲參量陣控制系統設計方法，從而減小聲參量陣系統的信號失真，獲得良好的信號處理結果。

為實現所述的目的，本發明解決其技術問題所采用的技術方案是：

1.對于聲參量陣的逆控制，經驗證“Berktay遠場解”的數學模型滿足可逆的充分必要條件，系統可逆。于是用已測得的輸入、輸出數據通過BP算法對系統進行逆辨識。同時為了最大限度地激勵系統內部模態，采用隨機信號作為激勵信號，用測得數據進行訓練得到逆模型，然后將訓練好的逆模塊串接到對象之前，形成一個“偽線性系統”，如圖1；

2.確定基于BP網絡的PID控制器結構。本發明提出的自適應PID控制器包括兩部分，一部分是BP神經網絡，另一部分是PID控制器。BP神經網絡通過系統反饋回來的信號使用BP算法對PID控制器的輸出進行調節，若輸出信號不是期望信號，則神經網絡將通過調節網絡權值來控制PID控制器的三個輸出(比例部分、積分部分和微分部分)，直至系統輸出信號達到最優。其控制算法歸納如下：

①確定BP網絡的結構，即確定BP網絡輸入層節點數M和隱含層節點數Q，并且給出各層加權系數的初值和選定學習速率η和慣性系數α，且此時k＝1；(其中M和Q的值由系統的復雜程度決定，j表示網絡輸入層、l表示網絡隱含層、i表示網絡的輸出層)；

②采樣得到rin(k)和yout(k)，并計算該時刻誤差error(k)＝rin(k)-yout(k)；(其中rin(k)為該系統第k次的輸入，yout(k)為系統第k次輸出)；

③計算神經網絡NN各層神經元的輸入、輸出，NN輸出層的輸出即為PID控制器的三個可調參數K_p，K_i，K_d；

④根據經典增量式數字PID的控制算法公式如下

u(k)＝u(k-1)+K_P(error(k)-error(k-1))+K_Ierror(k)+K_D(error(k)-2error(k-1)+error(k-2)

計算PID控制器的輸出u(k)；

⑤進行神經網絡學習，在線調整加權系數和實現PID控制參數的自適應調整；(其中為輸入層加權系數、為隱含層加權系數)

⑥置k＝k+1，返回步驟1。

②根據②中所述的各個量之間的關系連接各模塊即構成了本發明的主要核心系統，如圖2所示，該系統主要由自適應PID控制器、神經網絡逆模塊組成。

由前述設計方法可以得出，本發明通過訓練神經網絡逆控制模塊然后把辨識出來的逆模型串接到對象的前部，實現了一個“偽線性系統”，隨之輔以自適應PID控制環節，由此可以得到較之當前技術更好的控制性能，能較大程度的改善聲參量陣系統信號失真度過高的問題。

附圖說明