【作者】 田启川； 李临生； 智泽英； 韩如成；

【Author】 Tian QiChuan, Li LinSheng, Zhi ZeYing, Han RuCheng (Taiyuan Heavy Machinery Institute, Taiyuan 030024)

【机构】 太原重型机械学院自动化系；

【摘要】 在控制问题上,采用传统的模拟PID控制,要求被控对象参数已知,这样才能根据性能指标设计出控制器,但是实际中对象模型未知或难以建立,甚至有些参数还在变化,这就给控制器的设计带来困难,造成控制器不能很好地满足控制要求。实际中应用中通过硬件调整来满足控制要求,有一定难度和局限性。随着计算机技术的发展,微机控制逐渐代替了模拟控制,许多控制器的参数可以通过软件调整,而且采用微机控制,可以节约大量的硬件投资,提高经济效益。如何提供一种适合微机控制的控制策略,一直是工程技术人员的研究课题。在本文中给出了一种设计方法——模糊神经网络控制策略,提供了该方法的结构,它包括三方面:1、模糊神经网络控制器初始化;2、参数人工经验离线调整;3、参数自适应在线调整。这一方法集合了模糊的符号主义思想和神经网络的连接主义思想,控制器的设计简便,鲁棒性好,具有一定智能,容易实现,很适用于微机控制。更多还原

【Abstract】 The algorithm of fuzzy-neural network control strategy is presented in this article, which resolve the problem of designing of controller based on micro-control. Continuing with the other max/min/intersection points can generate all fuzzy control rules. A back-propagation neural network operating in the specialized learning mode, using the sign gradient descent algorithm is employed. The input vector to the controller consists of the time history of the motor angular shaft velocity within a pre specified time window. This algorithm uses few memory of micro-control to calculate the control action, so it is very fit to digital control systems. Initialize weights are random number, off-line training patterns are fuzzy rules, and on-line learning is good way to adjust weights by minimizing error function. Simulation results for DC motor speed control show that the effectiveness of the fuzzy-neural network control strategy.更多还原