電液伺服系統(tǒng)神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制

1、電液伺服系統(tǒng)神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制    摘要：針對(duì)電液伺服系統(tǒng)，以自適應(yīng)逆控制理論為基礎(chǔ)，結(jié)合神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制器。三狀態(tài)校正法用于拓展系統(tǒng)頻寬和保證穩(wěn)定性，神經(jīng)網(wǎng)絡(luò)用來(lái)構(gòu)建系統(tǒng)逆模型的辨識(shí)器。輸入信號(hào)與系統(tǒng)響應(yīng)間的跟蹤誤差通過(guò)LMS 算法調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值，使誤差信號(hào)達(dá)到均方值最小，從而使逆控制器趨于對(duì)象傳遞函數(shù)的逆，并使級(jí)聯(lián)系統(tǒng)的增益趨于1，實(shí)現(xiàn)波形復(fù)現(xiàn)的功能。為了提高算法的收斂性和魯棒性，采用了歸一化算法。通過(guò)對(duì)一電液伺服振動(dòng)臺(tái)的液壓系統(tǒng)的大量仿真實(shí)驗(yàn)，結(jié)果證實(shí)了該控制策略能高精度跟隨期望信號(hào),并有很好的實(shí)時(shí)性。關(guān)鍵詞：控制理論；

2、非最小相位系統(tǒng)；零極點(diǎn)配置；前饋補(bǔ)償；跟蹤性能；系統(tǒng)頻寬中圖分類號(hào)：TP271.31ANN-based Adaptive Inverse Control for anElectro-hydraulic Servo SystemYao Jianjun, Fu Wei, Hu Shenghai(College of Mechanical and Electrical Engineering, Harbin Engineering University,Haerbin 150001)Abstract: Based on adaptive inverse control theory, combine

3、d with neural network, neural networkadaptive inverse controller (NN-AIC) is developed and applied to an electro-hydraulic servo system.Three states compensator is used to extend the system frequency bandwidth and guarantee its stability.The system inverse model identifier is constructed by neural n

4、etwork. The task is accomplished bygenerating a tracking error between the input command signal and the system response. The weights ofthe neural network are updated by the error signal in such a way that the error is minimized in the senseof mean square using LMS algorithm and the compensation filt

5、er is close to the system inverse model.The above steps make the gain of the serial connection system close to unity, realizing waveformreplication function in real-time. To enhance its convergence and robustness, the normalized LMSalgorithm is applied. Simulation results performed with a hydraulic

6、system of an electro-hydraulicservo shaking table demonstrate that the proposed control scheme is capable of tracking desired signalswith high accuracy and it has good real-time performance.Keywords:control theory;adaptive inverse control;neural network;normalized LMS algorithm;meansquare error;wave

7、form replication0 引言液壓控制技術(shù)已經(jīng)在許多部門(mén)得到了廣泛應(yīng)用，諸如冶金、機(jī)械等工業(yè)部門(mén)，飛機(jī)、船舶交通部門(mén)，航空航天技術(shù)，海洋技術(shù)，近代科學(xué)實(shí)驗(yàn)裝置及武器控制等1。液壓控制系統(tǒng)具有功率-重量比和力-重量比大、響應(yīng)速度快、系統(tǒng)頻帶寬、剛度大、抗干擾能力強(qiáng)、誤差小、精度高等優(yōu)點(diǎn)。液壓系統(tǒng)中存在多種非線性現(xiàn)象2，而且由于電液伺服系統(tǒng)的管路、伺服閥及液壓缸在運(yùn)行過(guò)程中存在著動(dòng)態(tài)特性，這些因素直接影響系統(tǒng)的動(dòng)態(tài)性能，使系統(tǒng)在運(yùn)行的不同時(shí)刻特性是完全不同的。隨著溫度、壓力及工作狀態(tài)的不同，系統(tǒng)的一些參數(shù)也會(huì)隨之變化。液壓系統(tǒng)的各機(jī)械、電氣及液壓部件隨著使用時(shí)間的增長(zhǎng)，其特性也會(huì)有很大&

8、#160;變化。所以說(shuō)液壓系統(tǒng)的特性具有時(shí)變性和非線性等特性。由于電液伺服系統(tǒng)存在的這些缺點(diǎn)，因此常規(guī)的控制策略，如PID 控制，存在一定的局限性，目前的許多研究工作集中在非線性控制策略上，其目的是當(dāng)系統(tǒng)工作環(huán)境發(fā)生變化時(shí)控制器的參數(shù)能自適應(yīng)地調(diào)整，從而使系統(tǒng)具有克服自身不確定性的能力。為實(shí)現(xiàn)對(duì)電液伺服振動(dòng)臺(tái)的波形復(fù)現(xiàn)，文獻(xiàn)3采用了輸入?yún)⒖夹盘?hào)變換技術(shù)，該技術(shù)是通過(guò)離線迭代計(jì)算的，并需要事先辨識(shí)得到系統(tǒng)的頻率響應(yīng)特性，這會(huì)導(dǎo)致對(duì)被試件的破壞，另外當(dāng)被試件具有強(qiáng)非線性特性時(shí)，該技術(shù)的收斂性得不到保證3。自適應(yīng)逆控制理論是一種智能控制方法，它通過(guò)對(duì)系統(tǒng)逆模型的辨識(shí)，將對(duì)象傳遞函數(shù)的逆作為串聯(lián)控制器

9、對(duì)系統(tǒng)的動(dòng)態(tài)性能做開(kāi)環(huán)控制。文獻(xiàn)4敘述了利用X-VSSLMS 濾波算法構(gòu)成參考模型為1 的自適應(yīng)逆控制器，并作用于一個(gè)閥控液壓馬達(dá)的系統(tǒng)中該控制器在系統(tǒng)參數(shù)變化和外界擾動(dòng)的情況下具有良好的自適應(yīng)性和動(dòng)態(tài)魯棒性，但有多處計(jì)算是離線進(jìn)行的，離線方式逆建摸所得濾波器權(quán)重作為在線求逆的控制器的初值，離線方式計(jì)算擾動(dòng)消除器等，這就限制了它的實(shí)際應(yīng)用。因?yàn)橄到y(tǒng)狀態(tài)在實(shí)驗(yàn)過(guò)程中會(huì)發(fā)生變化，而這些變化會(huì)改變受控系統(tǒng)的特性，如果繼續(xù)用在系統(tǒng)發(fā)生變化前得到的結(jié)果對(duì)系統(tǒng)進(jìn)行控制，就不可能確保被控對(duì)象所要求的試驗(yàn)精度和要求。本文以一電液伺服振動(dòng)臺(tái)的閥控缸系統(tǒng)作為研究對(duì)象，考慮了伺服閥死區(qū)非線性，首先對(duì)系統(tǒng)進(jìn)行了線性控

10、制器校正，然后結(jié)合神經(jīng)網(wǎng)絡(luò)理論和自適應(yīng)逆控制理論，構(gòu)建了神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制器(NN-AIC)。神經(jīng)網(wǎng)絡(luò)的權(quán)值用輸入信號(hào)與對(duì)象輸出間的誤差通過(guò)LMS 算法調(diào)整，以使誤差信號(hào)的均方值最小，同時(shí)逆控制器成為對(duì)象的逆，其時(shí)與對(duì)象的級(jí)聯(lián)組合的傳遞函數(shù)的增益為1，從而使系統(tǒng)輸出跟隨輸入信號(hào)。整個(gè)過(guò)程在線實(shí)時(shí)進(jìn)行，因此具有很高的實(shí)時(shí)性。1 系統(tǒng)描述圖1 所示為一液壓振動(dòng)臺(tái)的電液伺服系統(tǒng)的簡(jiǎn)圖，由對(duì)稱缸、對(duì)稱閥和負(fù)載組成。圖中，s p 和b p 分別為供油壓力和回油壓力， L F 為外負(fù)載力， i V 和o V 分別為進(jìn)油腔的容積和出油腔的容積， v x 為閥芯位移， y 為液壓缸活塞位移。s p b pi

11、 qo qpi A poi V o VL Fc Byv xm圖1 電液伺服系統(tǒng)簡(jiǎn)圖Fig.1 Schematic diagram of the hydraulic system從液壓伺服系統(tǒng)的流量方程、連續(xù)性方程和力平衡方程中可得出它的數(shù)學(xué)表達(dá)式。在穩(wěn)態(tài)工作點(diǎn)附近對(duì)伺服閥流量方程線性化，可得：L q v c L q =Kx Kp (1)式中： q K 為流量增益系數(shù)， c K 為流量壓力系數(shù)。定義負(fù)載壓降為： LL i op F p pA= = (2)式中，A 為活塞有效面積， i p 和o p 分別為進(jìn)油腔內(nèi)的壓力和出油腔內(nèi)的壓力；定義負(fù)載流量為：i oL 2q q q+= (3)

12、式中， i q 和o q 分別為滑閥進(jìn)油口流量和滑閥出油口流量。液壓缸的流量連續(xù)性方程為：i iip (q Ay)Vo oop (Ay q)V式中： 為液體等效體積彈性模量， y當(dāng)液壓缸在中位時(shí)，由式(2),(3),(4) 和(5)，可得液壓缸流量連續(xù)方程為：tL 4 Lq Ay V p= 式中： t i o V =V+V ，為液壓缸兩腔的總?cè)莘e。液壓缸和負(fù)載的力平衡方程為：L c L Ap =m式中：m 為活塞和負(fù)載的總質(zhì)量， c B 為活塞和負(fù)載的粘性阻尼系數(shù)。當(dāng)初始狀態(tài)為零時(shí)，由式(1),(6),(7)并Laplace 變換可得系統(tǒng)伺服閥閥芯位移至液壓缸活塞位移間的傳遞函數(shù)為1：q2h2

13、h h( ) ( ) /( ) ( 2 1)pvG s Y s K AX s ss s = =+ +(8)式中：2ht4 AmV =c tht 2 4c K m B VA V A m= +死區(qū)非線性特性可用圖2 來(lái)描述2，其數(shù)學(xué)表達(dá)式為：( )0( )r p r p rl p rl p l p lm X b X bU b X bm X b X b = < < (9)Up r X bl b r ml m圖2 死區(qū)非線性Fig.2 Dead zone當(dāng)考慮伺服閥存在的死區(qū)特性時(shí)，圖1 所示的系統(tǒng)可表示為死區(qū)和系統(tǒng)線性環(huán)節(jié)( ) p G s 相串聯(lián)的結(jié)構(gòu)2，如圖3 所示。DZ

14、Gp(s) p p Y XGp(s)U圖3 系統(tǒng)非線性結(jié)構(gòu)圖Fig.3 Block diagram of the nonlinear system在電液伺服振動(dòng)臺(tái)中，往往是通過(guò)三狀態(tài)反饋來(lái)實(shí)現(xiàn)系統(tǒng)校正的5，其校正原理如圖4所示，圖中f C 和b C 為校正環(huán)節(jié)。f C 為一增益， 2b fd fv fa C =K +K s+K s ， fd K 為位移反饋增益， fv K 為速度反饋增益， fa K 為加速度反饋增益。Gp(s)b Cf Cy yr +圖4 系統(tǒng)狀態(tài)校正原理圖Fig.4 The compensated system三狀態(tài)控制策略可以提高系統(tǒng)的穩(wěn)定性和頻寬，但由于系統(tǒng)中存在著非線

15、性和影響系統(tǒng)動(dòng)態(tài)特性的因素，因此基于線性控制理論而設(shè)計(jì)的線性控制器，無(wú)法達(dá)到很高的精度要求，故此不能使系統(tǒng)的輸出趨近于期望的響應(yīng)。2 基于Adaline 神經(jīng)網(wǎng)絡(luò)的自適應(yīng)逆控制自適應(yīng)逆控制在控制系統(tǒng)和調(diào)節(jié)器的設(shè)計(jì)中是一種新穎的方法，它是由美國(guó)斯坦福大學(xué)著名教授B. Widrow 于1986 年首次提出。自適應(yīng)逆控制將被控對(duì)象傳遞函數(shù)的逆作為串聯(lián)控制器,從而獲得滿意的系統(tǒng)動(dòng)態(tài)特性。該控制器具有自適應(yīng)性能,以使被控對(duì)象的總體動(dòng)態(tài)響應(yīng)達(dá)到最優(yōu)。對(duì)于反饋系統(tǒng)要在保證穩(wěn)定的前提下獲得滿意的動(dòng)態(tài)響應(yīng)，但當(dāng)對(duì)象是時(shí)變的或非平穩(wěn)時(shí)，就有必要設(shè)計(jì)隨對(duì)象而變的控制器，使系統(tǒng)動(dòng)態(tài)特性滿足要求。如果已經(jīng)知道了對(duì)象隨時(shí)

16、間的變化特性，那么就有可能確定出隨這種變化特性的最優(yōu)控制器。如果對(duì)對(duì)象的變化特性一無(wú)所知，那么可能需要由一種辨識(shí)過(guò)程來(lái)估計(jì)出對(duì)象隨時(shí)間的變化特性，然后再用這些辨識(shí)出的特性來(lái)確定控制器隨時(shí)間的變化特性。自適應(yīng)逆控制的基本思想就是要用一個(gè)來(lái)自控制器的信號(hào)去驅(qū)動(dòng)對(duì)象,而該控制器的傳遞函數(shù)就是該對(duì)象傳遞函數(shù)的逆，使控制器與對(duì)象的級(jí)聯(lián)組合的傳遞函數(shù)的增益為1。當(dāng)控制器為對(duì)象的逆時(shí)，對(duì)象輸出與輸入指令間的誤差就完全為零6。然而，在許多被控對(duì)象中模型時(shí)變、非線性、不確定性較明顯時(shí), 對(duì)象求逆用傳統(tǒng)的方法會(huì)遇到很大困難。神經(jīng)網(wǎng)絡(luò)所具有的大規(guī)模并行性、容錯(cuò)性及處理不確定性能力，使其在處理實(shí)時(shí)性要求高的自動(dòng)控制領(lǐng)

17、域中顯示出極大的優(yōu)越性。為較好的辨識(shí)對(duì)象的逆，引入了如圖5 所示的Adaline 神經(jīng)網(wǎng)絡(luò)。它由美國(guó)Standford大學(xué)的Widrow 教授于1959 年提出的，是一種連續(xù)時(shí)間線性神元。Adaline 網(wǎng)絡(luò)已在電力系統(tǒng)、圖像處理和化工業(yè)等領(lǐng)域得到了成功應(yīng)用7-10。它是單層神經(jīng)網(wǎng)絡(luò)，有N 輸入和一個(gè)輸出。其輸出是輸入向量x 和權(quán)向量W 的點(diǎn)乘。在任意給定的時(shí)刻，其輸入/輸出間的關(guān)系是 線性的。當(dāng)權(quán)值在線調(diào)整時(shí)，這種關(guān)系作為時(shí)間的函數(shù)是非線性的。誤差信號(hào)e(k)是用來(lái)驅(qū)動(dòng)網(wǎng)絡(luò)的學(xué)習(xí)算法。顯然當(dāng)網(wǎng)絡(luò)輸出y神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的過(guò)程是調(diào)整網(wǎng)絡(luò)的權(quán)值使網(wǎng)絡(luò)輸出逐漸接近期望信號(hào)。理論上，這種單層神經(jīng)

18、元網(wǎng)絡(luò)在給定輸入信息和足夠多的神經(jīng)元時(shí)，能夠以任意精度來(lái)逼近任何光滑的非線性。z1z1x(k)x(k 1)x(k 2)z1x(k N +1)d(k)y1w(k)2w (k)3w (k)( ) N w ke(k)學(xué)習(xí)算法圖5 Adaline 神經(jīng)網(wǎng)絡(luò)Fig.5 Adaline neural networkAdaline 神經(jīng)網(wǎng)絡(luò)的權(quán)值是通過(guò)Widrow-Hoff 規(guī)則，也稱為L(zhǎng)MS 算法來(lái)調(diào)整的。LMS算法可描述為11-13( ) T k ye(k)=d(k)y1 ( ) k k k e k + W =W+ x (12)式中， k x 為輸入向量，e(k)是誤差信號(hào)，d(k)為期望信號(hào)， y出;

19、 是學(xué)習(xí)速率，它可調(diào)節(jié)算法的快速性和穩(wěn)定性。均方誤差是一個(gè)中間向下凹的拋物型曲面，是具有唯一最小值的函數(shù)。網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程就是自動(dòng)調(diào)節(jié)權(quán)系數(shù)使均方誤差達(dá)到最小的過(guò)程，相當(dāng)于沿拋物型曲面往下搜索最低點(diǎn)。而LMS 算法是一種迭代梯度下降算法，它利用均方誤差梯度的估計(jì)值，求得最佳權(quán)向量，使均方誤差為最小。( ) k e k x 代表均方誤差負(fù)梯度的估計(jì)值，迭代步長(zhǎng)參數(shù) 是一個(gè)控制穩(wěn)定性和收斂速度的參數(shù)。常規(guī)LMS 算法將會(huì)遇到梯度噪聲放大的問(wèn)題,，而且固定步長(zhǎng)的LMS 算法在收斂速度、時(shí)變系統(tǒng)跟蹤速度與收斂精度方面是相互矛盾的。為克服這一問(wèn)題，可使用歸一化LMS 算法。就結(jié)構(gòu)而言，歸一化LMS 算法和

20、常規(guī)的LMS 算法完全一樣，其不同在于權(quán)值調(diào)整的機(jī)理。歸一化LMS 算法是最小化干擾原理的一種表現(xiàn)形式，它可以表達(dá)為1 2 ( ) k k kke k + = +W W x（13）式中， 為一小正數(shù)，是為了避免分母出現(xiàn)零的情況；是為了一次迭代到下一次迭代權(quán)向量的增量變化進(jìn)行控制而不改變向量的方向，而在式（12）中的 有反向功率的量綱14。乘積向量( ) kx e k 相對(duì)于輸入向量k x 的平方歐氏范數(shù)進(jìn)行了歸一化。可以把歸一化LMS 算法看作時(shí)變步長(zhǎng)的LMS 算法。更為重要的是，歸一化LMS 算 法要比常規(guī)LMS 算法可能呈現(xiàn)更快的收斂速度14。設(shè)(k)為歸一化LMS 算法計(jì)算得到

21、的權(quán)向量是對(duì)W 的估計(jì)，它們之間的失配表示為(k)= (k) W W （14）定義( ) Tx k k k = W W x T( )k = k x （15）歸一化LMS 算法在均方意義下是穩(wěn)定的，只要?dú)w一化步長(zhǎng)參數(shù)22 2( ) ( )/0 2( ) /x kkE kekE e k < < xx（16）結(jié)合Adaline 神經(jīng)網(wǎng)絡(luò)和自適應(yīng)逆控制的原理，可以構(gòu)建電液伺服系統(tǒng)神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制器，其原理圖如圖6 所示，逆控制器由Adaline 神經(jīng)網(wǎng)絡(luò)構(gòu)建，其權(quán)向量為1 2 ( ), ( ), , ( )Tk N W = w k w k k x = r k r k 逆控制器輸出為(

22、) T c k r k =W xk 。用對(duì)象輸出和輸入指令之差的誤差信號(hào)通過(guò)LMS 算法調(diào)整Adaline 神經(jīng)網(wǎng)絡(luò)的權(quán)值，使得逆控制器能自適應(yīng)地調(diào)節(jié)參數(shù)以得到對(duì)象的逆G1 ，實(shí)現(xiàn)控制器與對(duì)象的級(jí)聯(lián)組合的傳遞函數(shù)的增益為1，此時(shí)系統(tǒng)輸出能復(fù)現(xiàn)期望的輸入信號(hào)。pG (s)b C+信號(hào)發(fā)生器Gf c C r r+ e圖6 神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制Fig.6 The block diagram of NN-AIC3 仿真分析為顯示所設(shè)計(jì)的NN-AIC 的效果，以一6-DOF 電液伺服振動(dòng)臺(tái)的閥控缸系統(tǒng)為仿真例子，其傳遞函數(shù)為15：2 273.339( /156.8 0.305 /156.8 1)Y Is

23、 s s=+ +使用NN-AIC 時(shí)， N = 4 ，0.0002 fa K = 。圖7 所示為輸入為2sin 20 t mm 時(shí)的正弦響應(yīng)，從圖中可以看出正弦響應(yīng)有很大的相位滯后，并有幅值衰減現(xiàn)象。圖8 為使用所設(shè)計(jì)的NN-AIC 控制后的正弦響應(yīng)，從圖中可以看出NN-AIC 經(jīng)三個(gè)周期后就能很好地在幅值和相位上跟蹤輸入信號(hào)。從圖9 的誤差曲線中也可以看出，三個(gè)周期后的誤差達(dá)到了很小，這說(shuō)明了經(jīng)NN-AIC 控制后，系統(tǒng)的跟蹤精度是很高的。圖1012 是用起始頻率為0.5Hz，截止頻率為5Hz，幅值為2mm 的正弦掃頻時(shí)的結(jié)果。從圖12 中可以清楚地看出，未使用NN-AIC 前隨著頻率的增大

24、，系統(tǒng)響應(yīng)幅值衰減和相位滯后增大，從而導(dǎo)致對(duì)象輸出與期望信號(hào)間的誤差增大。而使用NN-AIC 后，隨著逆控制作 用的增大，對(duì)象輸出與期望響應(yīng)間的誤差逐步減小，并很快趨向于零，這說(shuō)明NN-AIC 有很強(qiáng)的跟隨性。采用同樣的掃頻信號(hào)，但系統(tǒng)參數(shù)h 、 h 分別在區(qū)間130,180和0.1,0.2 內(nèi)變化時(shí)，系統(tǒng)響應(yīng)如圖13 所示。從圖中可以看出，雖然系統(tǒng)參數(shù)在時(shí)變變化，但是經(jīng)過(guò)NN-AIC 控制后，系統(tǒng)輸出仍能高精度跟蹤輸入信號(hào)。圖14 所示為NN-AIC 控制后系統(tǒng)的誤差曲線，從圖中可以看出，經(jīng)過(guò)6 s 的NN-AIC 控制后，期望信號(hào)與響應(yīng)信號(hào)間的誤差趨于零。0.0 0.1 0.2

25、0.3 0.4 0.5-2-1012位移 y/mm時(shí)間 t/s期望信號(hào)響應(yīng)信號(hào)圖7 NN-AIC 控制前的正弦響應(yīng)Fig.7 System sinusoidal response before using NN-AIC0.0 0.1 0.2 0.3 0.4 0.5-2-1012位移 y/mm時(shí)間 t/s期望信號(hào)響應(yīng)信號(hào)圖8 NN-AIC 控制后的正弦響應(yīng)Fig.8 System sinusoidal response after using NN-AIC0.0 0.1 0.2 0.3 0.4 0.5-1.5-1.0-0.50.00.51.01.52.0誤差 e/mm時(shí)間 t/s圖9 NN-AI

26、C 控制后誤差曲線Fig.9 Error curve after using NN-AIC 0 1 2 3 4 5-2-1012位移 y/mm時(shí)間 t/s期望信號(hào)響應(yīng)信號(hào)圖10 NN-AIC 控制前的正弦掃頻曲線Fig.10 System sine sweep response before using NN-AIC0 1 2 3 4 5-2-1012位移 y/mm時(shí)間 t/s期望信號(hào)響應(yīng)信號(hào)圖11 NN-AIC 控制后的正弦掃頻曲線Fig.11 System sine sweep response after using NN-AIC0 1 2 3 4 5-0.8-0.6-0.4-

27、0.20.00.20.40.60.8誤差 e/mm時(shí)間 t/sNN-AIC后NN-AIC前圖12 誤差曲線比較Fig.12 Error curve0 2 4 6 8-2-1012位移 y/mm時(shí)間 t/s期望信號(hào)響應(yīng)信號(hào)圖13 系統(tǒng)參數(shù)時(shí)變時(shí)的正弦掃頻曲線Fig.13 System sine sweep response when its parameters are changed 0 2 4 6 8-0.15-0.10-0.050.000.050.100.15位移 y/mm時(shí)間 t/s圖14 系統(tǒng)參數(shù)時(shí)變時(shí)的誤差曲線Fig.14 Error curve when its para

28、meters are changed4 結(jié)論以電液伺服系統(tǒng)為研究對(duì)象，提出了神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制器。用指令信號(hào)與系統(tǒng)響應(yīng)間的誤差通過(guò)歸一化LMS 算法調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值，以得到對(duì)象的逆，從而使逆控制器與對(duì)象的級(jí)聯(lián)傳遞函數(shù)為1，使得系統(tǒng)輸出信號(hào)能跟隨輸入指令信號(hào)。該算法收斂速度快，有較強(qiáng)的自適應(yīng)能力，實(shí)時(shí)性能好，而且結(jié)構(gòu)簡(jiǎn)單。特別地，該算法不需要知道系統(tǒng)模型。本文設(shè)計(jì)的控制策略不但能對(duì)定點(diǎn)正弦信號(hào)進(jìn)行輸入跟隨，而且對(duì)正弦掃頻信號(hào)同樣有效。當(dāng)系統(tǒng)參數(shù)發(fā)生變化時(shí)，該算法同樣有高精度的波形復(fù)現(xiàn)功能。該算法的收斂性和穩(wěn)定性由LMS 算法保證，由于LMS 算法為一種理論成熟的自適應(yīng)算法，其收斂性和穩(wěn)定性可

29、查閱有關(guān)文獻(xiàn)，在此限于篇幅不作證明。參考文獻(xiàn) (References)1 李洪人. 液壓控制系統(tǒng)M. 北京：國(guó)防工業(yè)出版社, 1990.2 LI H R. Hydraulic Control SystemM. Beijing: National Defence Industry Press, 1990.3 Yao Jianjun, Wang Liquan, Jiang Hongzhou, et al. Adaptive feed-forward compensator for harmoniccancellation in an electro-hydraulic servo systemJ.

30、 Chinese Journal of Mechanical Engineering. 2008, 21(1):7781.4 Tagawa Y, Kajiwara K. Controller development for the E-Defense shaking tableJ. Proceedings of theInstitution of Mechanical Engineers, Part I (Journal of Systems and Control Engineering). 2007, 221(12):1711815 吳振順，付丙勤，馮玉賓，等自適應(yīng)逆控制在電液伺服系統(tǒng)中的

31、應(yīng)用J哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005，37(3)：385387.6 WU Z Z, FU B Q, FENG Y B, et al. Adaptive inverse controller and its application in electro-hydraulic servosystemJ. Journal of Harbin Institute of Technology, 2005，37(3)：385387.7 韓俊偉，于麗明，趙慧，等地震模擬振動(dòng)臺(tái)三狀態(tài)控制的研究J哈爾濱工業(yè)大學(xué)學(xué)報(bào)，1999，31(3)：2123.8 HAN J W, YU L M, ZHAO H, et al.

32、Study of three state controller of seismic simulating shaking tableJ.Journal of Harbin Institute of Technology, 1999，31(3)：2123.9 Windrow B, Walach E. Adaptive Inverse ControlM. 劉樹(shù)棠，韓崇昭，譯西安交通大學(xué)出版社，200010 周玉光， 艾芊， 顧丹珍，陳陳， 等. 自適應(yīng)線性神經(jīng)元在電能質(zhì)量擾動(dòng)診斷和頻率跟蹤中的應(yīng)用J.上海交通大學(xué)學(xué)報(bào), 2005(12): 20722075.11 Dash P K, Swain D P, Routray A, et al. An adaptive neural network approach for the estimation of powersystem