CMAC神經(jīng)網(wǎng)絡(luò)快速學(xué)習(xí)算法及其在容錯(cuò)控制中的應(yīng)用.pdf

1、本文以動(dòng)態(tài)非線性故障系統(tǒng)為研究對(duì)象，研究在未知的故障模式下，CMAC神經(jīng)網(wǎng)絡(luò)快速準(zhǔn)確的故障診斷算法及其在容錯(cuò)控制中的應(yīng)用。主要針對(duì)CMAC局部逼近的小腦模型關(guān)節(jié)控制器學(xué)習(xí)算法進(jìn)行研究，提出改進(jìn)的權(quán)值調(diào)整策略與核空間映射算法，以此來(lái)設(shè)計(jì)在線故障估計(jì)器跟蹤系統(tǒng)未知故障。在常規(guī)的CMAC學(xué)習(xí)算法中，矯正誤差被平均分配給所有的存儲(chǔ)單元而忽略了這些被激活存儲(chǔ)單元的可信度?；谛哦确峙涞腃MAC神經(jīng)網(wǎng)絡(luò)，利用激活單元先前學(xué)習(xí)次數(shù)作為可信度；先前學(xué)習(xí)

2、次數(shù)越多，可信度越高，其權(quán)值調(diào)整越少。此算法提高了網(wǎng)絡(luò)的學(xué)習(xí)速度與精度，但未進(jìn)一步考慮“新知識(shí)學(xué)習(xí)”與“舊知識(shí)遺忘”之間的平衡關(guān)系。本文提出改進(jìn)的基于信度分配的CMAC(ICA-CMAC)神經(jīng)網(wǎng)絡(luò)，保留了信度分配的權(quán)值學(xué)習(xí)思想，提出一種“平衡學(xué)習(xí)”概念，對(duì)信度分配規(guī)則進(jìn)行改進(jìn)。誤差校正值與激活單元先前學(xué)習(xí)次數(shù)的負(fù)p次方成比例，通過(guò)選擇最優(yōu)的p參數(shù)來(lái)提高網(wǎng)絡(luò)的學(xué)習(xí)速度與精度。另外，針對(duì)高維故障函數(shù)情況下，網(wǎng)絡(luò)復(fù)雜度增加，逼近能力降低之問(wèn)題

3、。本文引入了核空間的概念設(shè)計(jì)了改進(jìn)的核CMAC(IK-CMAC)網(wǎng)絡(luò)模型，利用核技巧可以在不增加網(wǎng)絡(luò)復(fù)雜度的基礎(chǔ)上提高網(wǎng)絡(luò)逼近能力。從仿真結(jié)果可以看出，應(yīng)用兩種改進(jìn)的CMAC神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的在線故障估計(jì)器學(xué)習(xí)速度快，逼近精度高；達(dá)到快速檢測(cè)和診斷故障的目的。 當(dāng)非線性系統(tǒng)發(fā)生故障時(shí)，為補(bǔ)償故障帶來(lái)的影響，保持系統(tǒng)的穩(wěn)定性，需對(duì)系統(tǒng)進(jìn)行故障調(diào)節(jié)。故障調(diào)節(jié)是在故障發(fā)生后通過(guò)控制律的重構(gòu)使系統(tǒng)運(yùn)行軌跡重新回復(fù)到正常狀態(tài)。故障發(fā)生前使用名

4、義(無(wú)故障)控制器ueq，故障發(fā)生后，為補(bǔ)償故障帶來(lái)的損失，本文提出基于變結(jié)構(gòu)滑?？刂频目刂坡芍貥?gòu)策略，其容錯(cuò)控制律重構(gòu)為u=ueq+uf，其中uf為補(bǔ)償控制律，由此生成新的控制器以保證故障情形下系統(tǒng)的穩(wěn)定及控制性能。 綜上所述，本文以動(dòng)態(tài)非線性系統(tǒng)為研究對(duì)象，分別以ICA-CMAC和IK-CMAC神經(jīng)網(wǎng)絡(luò)為在線故障診斷的手段設(shè)計(jì)在線故障估計(jì)器。在不同的故障模式下，對(duì)未知故障進(jìn)行快速準(zhǔn)確地學(xué)習(xí)識(shí)別；應(yīng)用離散滑?？刂萍夹g(shù)實(shí)現(xiàn)控制規(guī)