平衡学习的CMAC神经网络非线性滑模_

摘要:以一改进的信度分配eM舵(eerebexlarmodelartieulationcontrollers)神经网络为在线故障诊断的手段，将变结构滑模控制技术引入容错控制器设计之中，提出一种动态非线性系统胜动容错控制方法.在常规CMAC学习算法中，误差被平均地分配给所有被激活的存储单元，不管各存储单元存储数据(权值)的可信程度.改进的CMAC中，利用激活单元先前学习次数作为可信度，其误差校正值与激活单元先前学习次数的一p次方成比例，从而提高神经网络的在线学习速度和精度;在此基础上利用滑模控制算法进行容错控制律的在线重构，实现动态非线性系统在线故障诊断与容错控制的集成.分析了系统的稳定性，仿真结果表明改进故障学习算法及容错控制的有效性.
关键词:信度分配;平衡学习;故障诊断;容错控制
近20年来，容错控制技术无论是在故障诊断研究方面，还是在控制律重构算法设计上都取得了不少进展，文献[l，2]对近些年的研究状况进行了较好的综述.但从现有的研究报道看，大多是针对特定系统展开故障诊断或容错控制研究，而将智能故障诊断技术与控制律重构设计相结合的一般性非线性集成容错控制研究成果还较少[0]，特别是在线故障辨识快速性研究及控制律在线重构方面，仍有许多问题有待探索，对主动容错控制来说，故障诊断的准确性和实时性是保证控制系统稳定运行的重要前提.这是因为动态非线性系统的状态及参数变化极快，为保证系统故障时运行稳定，必须在最短的时间内辨识故障，重构控制规律.神经网络的研究和发展为动态非线性系统故障诊断提供了一重要的工具，但常用的RBF(radialbasisfunetion)神经网络，由于其基函数选择、隐节点数目的确定一直是一个非常困难的问题，影响了网络学习逼近效果及收敛速度，从而制约了RBF神经网络在动态系统故障诊断中的有效应用.
自从Albus提出一种模拟小脑学习机构的小脑模型关节控制器eMAC(eerebella:modelarticu-lationcontrollers)以来，以其局部泛化和收敛速度的优势得到广泛关注，1992年WYiu-faill，等人证明了只要输入空间被量化得足够好，分辨率足够高，则CMAC可以任意精度逼近任意非线性函数，不过带来的问题是量化级数越高存储开销越大，计算越复杂，导致故障学习的实时性降低;同时常规CMAC的HASHING映射技术又造成数据碰撞的发生，也使得CMAC的逼近性能下降.为了提高CMAC学习速度，文献[13]将模糊集引入CMAC中，提出了一种模糊CMAC算法，省去了CMAC的离散、量化、编码、HASHING映射等运算，提高了故障学习速度和精度.文献[14]针对常规CMAC权值调整的误差平均分配方法从CMAC权值学习遗忘的角度出发，提出一基于信度分配的权值学习策略，在此基础上，文献[l5J从网络权值“学习”和“遗忘”平衡的角度，进一步提出一CMAC平衡学习算法.本文将平衡学习思想推广应用到动态非线性系统在线故障辨识中，从而达到提高动态系统故障辨识实时性的目的.
在容错控制器设计方面，目前研究较多的是控制律重新调度的方法扭和模型跟随重组控制方法I‘刘，控制律重新调度方法首先必须准确检测系统故障，其次必须预先了解各种故障模式，对未知故障模式无能为力;而模型跟随重组控制方法其主要不足是缺少有效的方法对控制算法中的参数矩阵进行优化.本文在基于平衡学习CMAC神经网络快速故障辨识的基础上，利用变结构滑模控制算法进行控制规律的在线重构.将在线CMAC神经网络故障诊断算法与容错控制器在线设计相结合，构造一自适应的集成故障诊断与容错控制系统.
集成故障诊断与容错控制系统是将系统故障诊断与容错控制律重构进行在线综合.利用在线故障检测与辨识器实现故障在线监测与辨识，未发现故障时，系统在正常模式下运行;当探测到故障发生后，初始化在线故障辨识器，进行在线故障诊断，同时在线重构控制规律.以基于平衡学习的CMAC神经网络为故障诊断的手段，根据故障学习评估结果，由离散滑模控制算法进行控制律重构，以保证系统的稳定性和控性能.
CMAC网络又称为CMAC模型.它具有学习速度快、无局部极小点和局部泛化性能.能够学习任意多维非线性函数，因此得到广泛的关注.CMAC的基本思想就是将学习的数据(知识)存储在交叠的存储单元(记忆空间)中，其输出为相应激活单元数据的累加和.常规CMAC模型包括两方面运算:一是结果计算输出;二是网络权值(存储的数据)学习调整.
滑模控制系统的最大特点就是系统具有极强的鲁棒性，即对被控对象的模型误差，对象参数的变化以及外部干扰具有不敏感性.其基本原理是:根据系统状态和某些预先设定的超平面之间的关系来重构系统控制器，即当系统状态穿越系统状态空间预先设定的超平面时，控制系统从一个结构自动转向另外一个确定的结构，以保证系统状态变量达到并约束在给定的超平面上，并使之自始至终沿着滑模超平面运行至系统状态空间的平衡点，从而使系统性能达到某个期望的指标.容错控制的目的就是要尽量保证动态系统在发生故障时仍然可以稳定运行，且具有可以接受的性能指标.可见应用变结构滑模控制算法在线构造容错系统的控制规律是合理而有效的.当系统发生故障后，通过控制规律重构的方法对故障系统进行调节，控制器重构设计是根据故障系统的新环境，重新设置系统的工作点，并给出可改善系统性能的新控制器.
容错控制的目标就是在故障情形下，产生使系统稳定的控制信号，尽可能使系统回到期望轨迹，而控制信号的产生又与故障的特性密切相关，因此首要的任务是在线辨识故障.
本文针对渐进型非线性故障模式，以基于平衡学习的CMAC神经网络为非线性故障诊断的手段，在此基础上，利用离散滑模控制算法实现动态非线性系统的在线容错控制，以保证系统的稳定性和控制性能.仿真结果表明容错控制器成功驱动故障系统回到期望曲线，取得了较好的控制效果.

文章来自：滑模机械网

文章作者：信息一部

『新闻推荐』

『关闭窗口』

网站建设 | 广告刊登 | 汇款说明 E-mail: admin@chinasfm.com 技术支持:简双工作室
电话：0371-69131532 传真：0371-63942657-8001
版权说明：本站部分文章来自互联网，如有侵权，请与信息处联系