Please wait a minute...
浙江大学学报(工学版)
J4  2010, Vol. 44 Issue (7): 1343-1347    DOI: 10.3785/j.issn.1008-973X.2010.07.020
自动化技术     
时滞系统的模糊神经网络补偿控制
潘海鹏, 吕勇松
浙江理工大学 自动化研究所,浙江 杭州 310018
Fuzzy neural network control method with compensation
for time-delay system
PAN Hai-peng, LV Yong-song
Institute of Automation, Zhejiang SciTech University, Hangzhou 310018, China
 全文: PDF 
摘要：

针对传统的模糊神经网络（FNN）在线控制方法用于控制时滞对象时存在调节时间较长的问题,分析产生这一现象的原因,对传统的模糊神经网络在线控制进行改进,给出一种新的确定补偿量的方法.基于递推最小二乘(RLS)法在线辨识对象模型,通过时滞对象模型预测对象输出的变化,利用补偿方法得到控制量的补偿量.设计二维输入的带补偿的模糊神经网络控制器,进行实验与仿真研究.仿真结果表明,该补偿方法调节时间短,控制精度高,比传统的模糊神经网络的控制效果明显.
关键词： 时滞系统;  模糊神经网络(FNN);  最小二乘法;  补偿;  预测    
Abstract:

The traditional fuzzy neural network (FNN) controller has the disadvantage of long setting time for timedelay system. A new method was proposed to obtain the compensation value aimed at the problem. The parameters for timedelay model were identified online based on the recursive least square (RLS) algorithm. Then the output of the system can be predicted, and the compensation value was obtained. An FNN controller of twodimension input with compensation was designed. Simulation results show that the method has the characteristic of short setting time, high control precision and obvious improvement compared with the traditional FNN controller.
Key words:  time-delay system    fuzzy neural network (FNN)    least square algorithm    compensation    prediction
出版日期: 2010-07-22
:  TP 13  
基金资助:

国家“863”高技术研究发展计划资助项目（2009AA04Z139）.
作者简介: 潘海鹏（1965—）,男,河南濮阳人,教授,从事控制理论与工程的研究.E-mail: pan@zstu.edu.cn
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
潘海鹏
吕勇松

引用本文:

潘海鹏, 吕勇松. 时滞系统的模糊神经网络补偿控制[J]. J4, 2010, 44(7): 1343-1347.

BO Hai-Feng, LV Yong-Song. Fuzzy neural network control method with compensation
for time-delay system. J4, 2010, 44(7): 1343-1347.

链接本文:

http://www.zjujournals.com/xueshu/eng/CN/10.3785/j.issn.1008-973X.2010.07.020    或    http://www.zjujournals.com/xueshu/eng/CN/Y2010/V44/I7/1343

［1］ 袁宇浩,张庆灵,陈兵.非线性广义系统时滞相关的模糊控制［J］.自动化学报,2006,32(5): 824828.
YUAN Yuhao, ZHANG Qingling, CHEN Bing. Delaydependent fuzzy control for nonlinear descriptor systems ［J］. Acta Automatica Sinica, 2006,32(5): 824828.
［2］ 张建海,张森林,刘妹琴.离散时滞标准神经网络模型的鲁棒稳定性分析［J］.浙江大学学报：工学版,2009,43(8): 13831388.
ZHANG Jianhai, ZHANG Senlin, LIU Meiqin. Robust stability analysis of delayed discretetime standard neural network ［J］. Journal of Zhejiang University: Engineering Science, 2009,43(8): 13831388.
［3］ 韩安太,王树青.基于LMI的一类非线性时滞关联大系统的分散模糊控制［J］.控制与决策,2004,19(4): 416428.
HAN Antai, WANG Shuqing. Decentralized fuzzy control for a class of nonlinear interconnected largescale systems with timedelay based on LMI approach ［J］. Control and Decision, 2004,19(4): 416428.
［4］ 王立新.模糊系统与模糊控制教程［M］.北京：清华大学出版社,2003: 70118.
［5］ JANG J S R, SUN C T. Functional equivalence between radial basis function networks and fuzzy inference systems ［J］. IEEE Transactions on Neural Networks, 1993, 4(1): 156158.
［6］ CASTELLANO G, FANELLI A M, MENCAR C. A neuronfuzzy network to generate humanunderstandable knowledge from data ［J］. Cognitive Systems Research, 2002, 3(2): 125144.
［7］ 李明忠,王福利.基于递归神经网络的一类非线性无模型系统的自适应控制［J］.控制与决策,1997,12(1): 6472.
LI Mingzhong, WANG Fuli. Adaptive control of black box nonlinear systems using recurrent neural networks ［J］. Control and Decision, 1997,12(1): 6472.
［8］ KORBICZ J, KOWAL M. Neuralfuzzy networks and their application to fault detection of dynamical systems ［J］. Engineering Applications of Artificial Intelligence, 2007, 20(5): 609617.
［9］ SHIEH H L, YANG Y K, CHANG P L, et al. Robust neuralfuzzy method for function approximation ［J］. Expert Systems with Applications, 2009, 36(3): 69036913.
［10］ 姜永森,田军,杨慧中.双率时变系统遗忘因子最小二乘参数估计［J］.清华大学学报:自然科学版,2008,48(S2): 17231727.
JIANG Yongsen, TIAN Jun, YANG Huizhong. Parameter estimation for the forgotten factor least squares algorithm for dualrate timevarying systems ［J］. Journal of Tsinghua University: Science and Technology, 2008,48(S2): 17231727.
［11］ DING Feng, XIAO Yongsong. A finitedatawindow least squares algorithm with a forgetting factor for dynamical modeling ［J］. Applied Mathematics and Computation, 2007, 186(1): 184192.
[1] 龚越, 罗小芹, 王殿海, 杨少辉. 基于梯度提升回归树的城市道路行程时间预测[J]. 浙江大学学报(工学版), 2018, 52(3): 453-460.
[2] 张林, 程华, 房一泉. 基于卷积神经网络的链接表示及预测方法[J]. 浙江大学学报(工学版), 2018, 52(3): 552-559.
[3] 李新, 肖龙, 刘国梁, 邵雨亭, 陈国柱. 基于相位补偿和交叉前馈补偿的VSG功率振荡抑制策略[J]. 浙江大学学报(工学版), 2018, 52(3): 569-576.
[4] 谢杰, 黄筱调, 方成刚, 周宝仓, 陆宁. 磨齿机电主轴热特性及热误差建模[J]. 浙江大学学报(工学版), 2018, 52(2): 247-254.
[5] 劳立明, 陈英龙, 赵玉刚, 周华. 跟踪微分器的等效线性分析及优化[J]. 浙江大学学报(工学版), 2018, 52(2): 224-232.
[6] 廖燕华, 谢旭, 唐站站. Q345qC钢及焊接接头低周疲劳性能与断裂机理[J]. 浙江大学学报(工学版), 2018, 52(1): 73-81.
[7] 杨庆芳, 赵小辉, 郑黎黎, 张伟. 基于模型预测控制的环形交叉口信号配时方法[J]. 浙江大学学报(工学版), 2018, 52(1): 117-124.
[8] 齐建鹏, 于彦伟, 王创存, 曹磊, 宋鹏. 基于多线程的不确定移动对象连续k近邻查询[J]. 浙江大学学报(工学版), 2018, 52(1): 142-150.
[9] 张军, 金伟良, 毛江鸿. 基于压磁效应的钢筋疲劳损伤试验研究[J]. 浙江大学学报(工学版), 2017, 51(9): 1681-1687.
[10] 初亮, 李天骄, 孙成伟. 面向再生制动优化的电动车自适应巡航控制策略[J]. 浙江大学学报(工学版), 2017, 51(8): 1596-1602.
[11] 陈琛, 孙可旭, 冯建宇, 奚剑雄, 何乐年. 超低功耗无片外电容的低压差线性稳压器[J]. 浙江大学学报(工学版), 2017, 51(8): 1669-1675.
[12] 任迪, 万健, 殷昱煜, 周丽, 高敏. 基于贝叶斯分类的Web服务质量预测方法研究[J]. 浙江大学学报(工学版), 2017, 51(6): 1242-1251.
[13] 张心怡, 杨家强, 张晓军. 基于机会约束的含多风电场动态经济调度[J]. 浙江大学学报(工学版), 2017, 51(5): 976-983.
[14] 王亮, 於志文, 郭斌. 基于双层多粒度知识发现的移动轨迹预测模型[J]. 浙江大学学报(工学版), 2017, 51(4): 669-674.
[15] 陈健, 王进, 陆国栋. 电极损耗分层预变形补偿方法[J]. 浙江大学学报(工学版), 2017, 51(3): 436-444.