基于RBF神经网络的某交流伺服系统辨识研究.pdf

《基于RBF神经网络的某交流伺服系统辨识研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、·信息技术·刘通，等·基于RBF神经网络的某交流伺服系统辨识研究基于RBF神经网络的某交流伺服系统辨识研究刘通，童仲志(南京理工大学机械工程学院，江苏南京210094)摘要：针对某交流伺服系统的模型辨识问题，采用RBF神经网络进行系统辨识。由于神经网络学习时间较长且不易收敛，故用聚类与梯度训练相结合的混合学习算法对RBF神经网络进行训练。使用聚类方法对学习样本进行聚类，确定隐含层结构，用梯度训练法对确定的网络结构进行训练，仿真实验验证了该混合学习算法的有效性。关键词：交流伺服系统；RBF神经网络；系统辨识；聚类算法；梯度训练算法中图分类号：TP31

2、6．8文献标志码：B文章编号：1671-5276(2013)02-0l13—03IdentificationofSomeACServeSystemsBasedOilRBFNeuralNetworkLIUTong．T0NGZhong．zhi(SchoolofMechanicalEngineering，NanjingUniversityofScienceandTechnology，Nanjing210094，China)Abstract：TofacethemodelidentificationproblemofsomeACservosystems，th

3、ispaperproposesanidentificationmethodofRBFneuralnetworkbasedonhybridalgorithm．Sincetheneuralnetworkslowsdownthetrainingspeedandisnoteasyoftheconver·gence，ahybridalgorithmbasedonclusteringandgradienttrainingalgorithmareusedtotrainthenetwork．Theclusteringalgorithmisappliedtothec

4、lustedngoftheswatchandthedeterminatonofthestructureofthecrypticnetworklayer．Thesimulationresufsshowthevalidityofthealgorithm．keywords：ACservosystem；RBFneuralnetwork；systemidentification；clusteringalgorithm；gradientalgorithm间的连接权值。0引言1系统结构框图和工作原理由于某交流伺服系统存在空回非线性、结构非线性、摩擦非线性等非线性

5、因素，因此，很难对其进行精确的数交流伺服系统的结构框图如图1所示，它的工作流学建模。神经网络具有自学习和自适应能力，可以任意精程是：由控制计算机根据伺服系统给出的方向和高低角度逼近非线性映射。利用神经网络逼近非线性映射的过度，计算出当前的控制信号，经过D／A转换后，传递到伺程，实质上是采用某种优化方法，利用神经网络的学习功服放大器中；在伺服放大器中对输入的信号进行调理，能，寻找观测到的系统的输入输出数据之间的内在映射关随即传送至交流调速系统中；交流放大器根据传送来的系，训练结束后，系统的特性就存储于网络内部的各个权信号大小，通过速度反馈来调节交流同

6、步电动机的转系数上，而神经网络本身就是要寻找的非线性映射。因速；最终经过减速器把机械动力传到负载中。负载的实此，神经网络在非线性系统的辨识中的应用具有很重要的际位置又经过旋转变压器和RDC模块反馈回控制计算研究价值。J。但是常用于训练网络的BP算法在学习过机中，构成一个完整的闭环控制系统，实现对目标的位程中可能陷入某些局部最小值，或某些静态点，或在这些置跟踪点之间振荡J。在这种情况下，不管进行多少次迭代，系统都存在很大的误差。RBF神经网络模仿了人脑中局部调整、相互覆盖接收的神经网络结构，因此它是一种局部逼近网络J。局部逼近型神经网络的快速训练特征

7、，决定了它能有效地用于实际系统的建模和控制领域，然而RBF网络的隐含层节点数目和数据中心难以确定一直制约RBF神经网络的应用，本文采用聚类与梯度混合图1交流伺服系统结构框图学习算法设计RBF神经网络，首先，在无监督学习下，通过聚类算法扩展设定RBF网络的隐含层节点数、数据中心和扩展常数；然后，在有监督学习下，用2基于RBF神经网络的系统辨识梯度训练算法对网络参数估计，确定隐含层和输出层作者简介：刘通(1989一)，男，江苏沭阳人，硕士研究生，研究方向为智能检测与控制。MachineBuilding8Automation，3．n2013，41(2)：

8、113～115·113··信息技术·刘通，等·基于RBF神经网络的某交流伺服系统辨识研究2．1RBF神经网络结构节量为：(