基于改進(jìn)神經(jīng)網(wǎng)絡(luò )的非線(xiàn)性系統觀(guān)測器設計

近年來(lái)，鑒于神經(jīng)網(wǎng)絡(luò )的特性和發(fā)展潛力，神經(jīng)網(wǎng)絡(luò )成為研究的熱點(diǎn)之一。伴隨著(zhù)控制對象復雜性的提高，系統存在的不確定因素和難以確切描述的非線(xiàn)性特性也隨之增多，神經(jīng)網(wǎng)絡(luò )的研究和發(fā)展顯得尤為重要。與傳統控制系統狀態(tài)觀(guān)測器相比，神經(jīng)網(wǎng)絡(luò )狀態(tài)觀(guān)測器具有更強的逼近非線(xiàn)性函數的能力和容錯性，尤其適用于多輸入多輸出系統。
與線(xiàn)性定常系統中的設計[2]相比，本文是在非線(xiàn)性系統中利用前饋神經(jīng)網(wǎng)絡(luò )的函數逼近能力，設計出了一種神經(jīng)網(wǎng)絡(luò )觀(guān)測器，并對觀(guān)測器的穩定性進(jìn)行了分析。本文采用了LM優(yōu)化算法來(lái)改進(jìn)BP網(wǎng)絡(luò )，由于其算法可以比標準梯度下降法網(wǎng)絡(luò )訓練速度提高幾十甚至上百倍[3]，從而大大提高了工作效率。仿真結果說(shuō)明了設計的合理性和有效性。
1 觀(guān)測器設計原理
神經(jīng)網(wǎng)絡(luò )觀(guān)測器的原理與傳統狀態(tài)觀(guān)測器相似，都是利用重構的思想。神經(jīng)網(wǎng)絡(luò )的主要作用是來(lái)逼近系統中的非線(xiàn)性函數。首先將輸入量u、狀態(tài)變量x作為BP神經(jīng)網(wǎng)絡(luò )的輸入，對神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練，使其逼近非線(xiàn)性函數h(x,u)；然后將訓練好的網(wǎng)絡(luò )用于構成觀(guān)測器，并通過(guò)神經(jīng)網(wǎng)絡(luò )觀(guān)測器的輸出y與原來(lái)系統的輸出y的差值來(lái)確定調整BP網(wǎng)絡(luò )的權值，使其獲得想要的狀態(tài)估計變量x。系統只有y可以直接測量。
設計一個(gè)神經(jīng)網(wǎng)絡(luò )觀(guān)測器關(guān)鍵是找一個(gè)神經(jīng)網(wǎng)絡(luò )去識別非線(xiàn)性，并且利用傳統的觀(guān)測器思想去重構狀態(tài)。因此，神經(jīng)網(wǎng)絡(luò )觀(guān)測器模型如圖1所示。
2 神經(jīng)網(wǎng)絡(luò )非線(xiàn)性系統觀(guān)測器的建立
給定如下的非線(xiàn)性系統：