改良型粒子群尋優(yōu)神經(jīng)網(wǎng)絡(luò)超聲波電機(jī)控制系統(tǒng)及其方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電機(jī)控制器領(lǐng)域，特別是一種改良型粒子群尋優(yōu)神經(jīng)網(wǎng)絡(luò)超聲波電機(jī) 控制系統(tǒng)及其方法。
【背景技術(shù)】
[0002] 現(xiàn)有的超聲波電機(jī)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)中網(wǎng)絡(luò)學(xué)習(xí)速率的選取，一般是采用嘗試錯 誤法。過大的學(xué)習(xí)速率，會造成網(wǎng)絡(luò)發(fā)散；過小的學(xué)習(xí)速率，則會造成追隨誤差收斂太慢，而 追隨誤差較大，但嘗試錯誤法十分耗時。為了節(jié)省尋找網(wǎng)絡(luò)學(xué)習(xí)速率的時間，以及增加網(wǎng)絡(luò) 在線學(xué)習(xí)的能力，在遞歸式函數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)的倒傳遞算法中，使用改良型粒子群 尋優(yōu)法來在線調(diào)整網(wǎng)絡(luò)學(xué)習(xí)速率，使得神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率加快，同時利用神經(jīng)網(wǎng)絡(luò)可以 對電機(jī)的非線性可以進(jìn)行預(yù)測和補(bǔ)償，因此電機(jī)的位置與速度控制可以獲得較好的動態(tài)特 性。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種改良型粒子群尋優(yōu)神經(jīng)網(wǎng)絡(luò)超聲波電機(jī)控制系統(tǒng)及 其方法，以克服現(xiàn)有技術(shù)中存在缺陷。
[0004] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種改良型粒子群尋優(yōu)神經(jīng)網(wǎng)絡(luò)超聲波 電機(jī)控制系統(tǒng)，包括：以及一基座以及設(shè)置于該基座上的超聲波電機(jī)，所述超聲波電機(jī)一側(cè) 輸出軸與一光電編碼器相連接，所述超聲波電機(jī)另一側(cè)輸出軸與一飛輪慣性負(fù)載一端相連 接；所述飛輪慣性負(fù)載的輸出軸經(jīng)一彈性聯(lián)軸器與一力矩傳感器相連接；所述光電編碼器 的信號輸出端以及所述力矩傳感器的信號輸出端均連接至一控制系統(tǒng)；所述超聲波電機(jī)、 所述光電編碼器以及所述力矩傳感器分別對應(yīng)經(jīng)超聲波電機(jī)固定支架、光電編碼器固定支 架以及力矩傳感器固定支架固定于所述基座上。
[0005] 在本發(fā)明一實(shí)施例中，所述控制系統(tǒng)包括一超聲波電機(jī)驅(qū)動控制電路；所述超聲 波電機(jī)驅(qū)動控制電路包括一控制芯片電路以及一驅(qū)動芯片電路；所述光電編碼器的信號輸 出端與所述控制芯片電路的輸入端相連接；所述控制芯片電路的輸出端與所述驅(qū)動芯片電 路的輸入端相連接，以驅(qū)動所述驅(qū)動芯片電路；所述驅(qū)動芯片電路的驅(qū)動頻率調(diào)節(jié)信號輸 出端以及驅(qū)動半橋電路調(diào)節(jié)信號輸出端分別對應(yīng)與所述超聲波電機(jī)輸入端相連接；所述驅(qū) 動芯片電路產(chǎn)生驅(qū)動頻率調(diào)節(jié)信號以及驅(qū)動半橋電路調(diào)節(jié)信號，對輸出至所述超聲波電機(jī) A、B兩相PffM的頻率、相位及通斷進(jìn)行控制。
[0006] 進(jìn)一步的，還提供一種改良型粒子群尋優(yōu)神經(jīng)網(wǎng)絡(luò)超聲波電機(jī)控制系統(tǒng)的控制方 法，所述控制系統(tǒng)中的控制芯片電路通過遞歸式函數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)對所述超聲波電 機(jī)在不同控制變量以及不同飛輪慣性負(fù)載下的輸入輸出特性進(jìn)行控制，并通過改良型粒子 群尋優(yōu)法在線調(diào)整所述遞歸式函數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率，以增加所述遞歸式函 數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力以及加快所述遞歸式函數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)的收斂 速度。
[0007] 在本發(fā)明一實(shí)施例中，所述遞歸式函數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)為一個五層的模糊類 神經(jīng)網(wǎng)絡(luò)，包括動態(tài)回授以及函數(shù)連結(jié)類神經(jīng)網(wǎng)絡(luò)；每一層網(wǎng)絡(luò)的訊號傳遞過程如下：
[0008] 第一層：
[0009] 在第一層中，神經(jīng)元的輸出表示如下：
[0011] 其中：#和jf為第一層中的第i個神經(jīng)元的輸入和輸出，且#和#分別為追隨 誤差e及其微分? ;
[0012] 第二層：
[0013] 采用高斯函數(shù)作為歸屬函數(shù)：
[0015] 其中：1?σ ^分別為高斯函數(shù)的平均值和標(biāo)準(zhǔn)偏差，第二層中每個神經(jīng)元均為 一個歸屬函數(shù);m為常數(shù)，且m為第二層神經(jīng)元的個數(shù)；
[0016] 第三層：
[0017] 在第三層中，添加動態(tài)回授，采用Sigmoid函數(shù)作為遞歸部分中內(nèi)部變數(shù)^的激 發(fā)函數(shù)，動態(tài)回授的輸出如下：
[0019]式中：
為存儲元件的遞歸變數(shù)；Θ ]k為動態(tài)回授的連結(jié)權(quán)重；
[0021] 在第三層中，神經(jīng)元代表模糊邏輯規(guī)則的前置部，且神經(jīng)元在第三層以Π 來表 示；將所述第二層神經(jīng)元的輸出與所述動態(tài)回授的輸出相乘，對第j個神經(jīng)元而言，第三層 的輸出表不如下：
[0023] 第四層：
[0024] 第四中的神經(jīng)元將函數(shù)連結(jié)類神經(jīng)網(wǎng)絡(luò)的輸出尤與第三層的輸出作相乘，每 個神經(jīng)元表示如下：
[0026] 其中，V廣為第四層的輸出；
[0027] 第五層：
[0028] 在第五層中的神經(jīng)元進(jìn)行解模糊化，輸出的數(shù)學(xué)關(guān)系表示為： CN 105116733 A 說明書 3/11 頁
[0030]其中，<=y5)為遞歸式函數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)的輸出。
[0031 ] 在本發(fā)明一實(shí)施例中，所述遞歸式函數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)的在線參數(shù)學(xué)習(xí)算法 采用梯度陡降法的倒傳遞算法；將能量誤差函數(shù)V記為：
[0033] 其中，Clni為速度或位置控制的目標(biāo)函數(shù)，d為速度或位置控制的實(shí)際測量值；
[0034] 通過如下過程完成以動態(tài)倒傳遞算法為基礎(chǔ)的學(xué)習(xí)算法：
[0035] 第五層：
[0036] 倒傳回來的誤差如下：
[0041] 第三層：
[0042] 函數(shù)連結(jié)類神經(jīng)網(wǎng)絡(luò)的連結(jié)權(quán)重值每次更新迭代及調(diào)整公式如下：
[0045] 其中，nw為函數(shù)連結(jié)類神經(jīng)網(wǎng)絡(luò)的連結(jié)權(quán)重值的學(xué)習(xí)速率；
[0046] 在遞歸部分，倒傳回來的誤差如下所示：
[0051] 其中，n e為連結(jié)權(quán)重值的學(xué)習(xí)速率；
[0052] 第二層：
[0053] 在第二層中，所有連結(jié)權(quán)重值均為1，以減少網(wǎng)絡(luò)運(yùn)算量；倒傳回來的誤差計(jì)算如 下
[0061] 其中，ru是平均值的學(xué)習(xí)速率，η。是標(biāo)準(zhǔn)偏差值的學(xué)習(xí)速率。
[0062] 在本發(fā)明一實(shí)施例中，，采用誤差適應(yīng)法則取代靈敏度如下：
[0064] 其中，?為追隨誤差e的導(dǎo)數(shù)。
[0065] 在本發(fā)明一實(shí)施例中，，在所述遞歸式函數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)的倒傳遞算法中， 采用所述改良型粒子群尋優(yōu)法在線調(diào)整所述函數(shù)連結(jié)類神經(jīng)網(wǎng)絡(luò)的連結(jié)權(quán)重值的學(xué)習(xí)速 率nw、所述連結(jié)權(quán)重值的學(xué)習(xí)速率η 0、所述平均值的學(xué)習(xí)速率η"以及所述標(biāo)準(zhǔn)偏差值的 學(xué)習(xí)速率η。。
[0066] 在本發(fā)明一實(shí)施例中，所述通過改良型粒子群尋優(yōu)法在線調(diào)整所述遞歸式函數(shù)連 結(jié)模糊類神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率按照如下步驟實(shí)現(xiàn)：
[0067] 步驟Sll :對族群里的粒子數(shù)P以及搜尋空間的維度d進(jìn)行設(shè)置；
[0068] 步驟S12 :生成每個粒子的位置矢量以及速度矢量;
[0069] 步驟S13 :獲取每個粒子的位置初始值范圍以及速度初始值范圍；所述位置初 始值范圍：
，所述速度初始值范圍：
，其中，其中粒 子位置：
表示每個網(wǎng)絡(luò)所要更新調(diào)整的 d個學(xué)習(xí)速率，與分別表示每個學(xué)習(xí)速率設(shè)定的最小值以及最大值；粒子速度
表示粒子的方向以及移動量，-與+<3\表示速度最小值以及速 度最大值；
[0070] 步驟S14 :計(jì)算適應(yīng)函數(shù)值；將改良型粒子群尋優(yōu)法族群中每個粒子的目前位置 輸入遞歸式函數(shù)連結(jié)模糊類神經(jīng)網(wǎng)絡(luò)的模型中，計(jì)算每個粒子目前位置的適應(yīng)函數(shù)值，以 判斷粒子對應(yīng)位置的好壞以及對應(yīng)的學(xué)習(xí)速率，并將所述適應(yīng)函數(shù)值最大值對應(yīng)的目前位 置最為最佳位置；
[0071] 步驟S15 :每個粒子均對其最佳位置及該最佳位置對應(yīng)的適應(yīng)函數(shù)值進(jìn)行記 憶；將每個粒子到過的最佳位置記為將族群里所有粒子中所到過的最佳位置記為 第一次迭代時，將每個粒子對應(yīng)的和Gbest^t為初始位置；每一次迭代計(jì) 算時，計(jì)算族群里每個粒子現(xiàn)在位置的適應(yīng)函數(shù)值，若粒子現(xiàn)在位置的適應(yīng)函數(shù)值大于或 等于前