[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的氣閥自適應(yīng)控制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410160141.X
• 申請(qǐng)日: 2014-04-21
• 公開(kāi)（公告）號(hào): CN103941587B
• 公開(kāi)（公告）日: 2017-01-18
• 發(fā)明（設(shè)計(jì)）人: 李波;金崇程;章永亮;高明煜;王亮;呂程輝;戴岳堯
• 申請(qǐng)（專利權(quán)）人: 杭州納眾科技有限公司
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04
• 代理公司: 杭州求是專利事務(wù)所有限公司33200
• 代理人: 杜軍

1.本發(fā)明一種基于神經(jīng)網(wǎng)絡(luò)的氣閥自適應(yīng)控制方法，其特征在于，該方法具體包括以下步驟：

步驟（1）：事先選定BP神經(jīng)網(wǎng)絡(luò)NN的結(jié)構(gòu)，即選定輸入層節(jié)點(diǎn)數(shù)M、隱含層節(jié)點(diǎn)數(shù)Q和輸出層節(jié)點(diǎn)數(shù)N，并給出各層加權(quán)系數(shù)的初值選定學(xué)習(xí)速率η和慣性系數(shù)a；k=1；

步驟（2）：設(shè)定緯紗到達(dá)時(shí)間目標(biāo)值r(k)，并通過(guò)緯紗到達(dá)時(shí)間觀測(cè)器獲得實(shí)際緯紗到達(dá)時(shí)間y(k)，計(jì)算時(shí)間偏差e(k)=r(k)－y(k)；

步驟（3）：對(duì)時(shí)間偏差e(k)進(jìn)行歸一化處理，作為BP神經(jīng)網(wǎng)絡(luò)NN的輸入層節(jié)點(diǎn)的輸入；

其中BP神經(jīng)網(wǎng)絡(luò)NN的輸入層節(jié)點(diǎn)的輸入、輸出為

Oj1(k)=Xj(k),(j=0,1...M-1)]]>??式(1)

式中：j為輸入層節(jié)點(diǎn)序號(hào)，X_j(k)為歸一化處理后的時(shí)間偏差；

步驟（4）：前向計(jì)算BP神經(jīng)網(wǎng)絡(luò)NN的隱含層神經(jīng)元的輸入和輸出；

其中BP神經(jīng)網(wǎng)絡(luò)NN的隱含層的輸入和輸出分別為

neti2(k)=Σj=0M-1wij2(k)Oj1(k)Oi2(k)=f[neti2(k)](i=0,1...Q-1)]]>??式(2)

式中：i為隱含層節(jié)點(diǎn)序號(hào)，為隱含層加權(quán)系數(shù)；f[·]為活化函數(shù),f[·]＝tanh(k)；

步驟（5）：前向計(jì)算BP神經(jīng)網(wǎng)絡(luò)NN的輸出層神經(jīng)元的輸入和輸出；

其中BP神經(jīng)網(wǎng)絡(luò)NN的輸出層的輸入和輸出分別為

netl3(k)=Σi=0Q-1wli3(k)Oi2(k)Ol3(k)=g[netl3(k)](l=0,1...N-1)]]>??式(3)

式中：l為輸出層節(jié)點(diǎn)序號(hào)，為輸出層加權(quán)系數(shù)；g[·]為活化函數(shù)，g[·]=12[1+tanh(x)];]]>

步驟（6）：計(jì)算控制輸出u(k),參與氣閥開(kāi)啟時(shí)間的控制和計(jì)算；

式(4)

式中：u[·]＝a+bx；

步驟（7）：進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，在線調(diào)整輸出層的加權(quán)系數(shù)和隱含層的加權(quán)系數(shù)進(jìn)而實(shí)現(xiàn)氣閥的自適應(yīng)控制；

首先取性能指標(biāo)函數(shù)為：

E(k)=12[r(k)-y(k)]2=12e2(k)]]>??式(5)

依最速下降法修正網(wǎng)絡(luò)的加權(quán)系數(shù)，即按E(k)對(duì)加權(quán)系數(shù)的負(fù)梯度方向搜索調(diào)整，并附加一使搜索快速收斂全局極小的慣性項(xiàng)

Δwli3(k)=-η∂E(k)∂wli3(k)+aΔwli3(k-1)]]>??式(6)

式中：η為學(xué)習(xí)速率，a為慣性系數(shù)；

∂E(k)∂wli3(k)=∂E(k)∂y(k)∂y(k)∂u(k)∂u(k)∂Ol3(k)∂Ol3(k)∂netl3∂netl3(k)∂wli3(k)]]>??式(7)

由于未知，所以近似用符號(hào)函數(shù)取代，由此帶來(lái)的計(jì)算不精確的影響可以通過(guò)調(diào)整學(xué)習(xí)速率η來(lái)補(bǔ)償，根據(jù)式（3）和式（4），則有

∂E(k)∂y(k)=-e(k)∂netl3(k)∂wli3(k)=Oi2(k)∂u(k)∂Ol3(k)=b]]>??式(8)

因此可得BP神經(jīng)網(wǎng)絡(luò)NN輸出層的加權(quán)系數(shù)的學(xué)習(xí)算法為：

wli3(k)=wli3(k-1)+Δwli3(k)Δwli3(k)=ηδl3Oi2(k)+aΔwli3(k-1)δl3=be(k)sgn(∂y(k)∂u(k))g′[netl3(k)](l=0,1...N-1)]]>??式(9)式中：為輸出層節(jié)點(diǎn)的誤差，g'[·]＝g(x)[1-g(x)]；

依據(jù)上述計(jì)算修正輸出層的加權(quán)系數(shù)的推算辦法，可得隱含層加權(quán)系數(shù)的學(xué)習(xí)算法為：

wij2(k)=wij2(k-1)+Δwij2(k)Δwij2(k)=ηδi2Oj1(k)+aΔwij2(k-1)δi2=f′[neti2(k)]Σl=02δl3wli3(k)(i=0.1...Q-1)]]>??式(10)

式中：為隱含層節(jié)點(diǎn)的誤差，f′[·]=12[1-f2(x)],(i=0,1...6)]]>

步驟（8）：置k=k+1，重復(fù)步驟(2)～（8）直至輸出層得到期望的輸出值為止；

上式（1）～（10）中的上角標(biāo)1、2、3分別代表輸入層、隱含層、輸出層。