毕业设计论文神经网络自组织模糊控制器的设计.doc

《毕业设计论文神经网络自组织模糊控制器的设计.doc》由会员分享，可在线阅读，更多相关《毕业设计论文神经网络自组织模糊控制器的设计.doc（57页珍藏版）》请在三一办公上搜索。

1、江苏科技大学本 科 毕 业 设 计（论文）学 院 信息学院 专 业 电气工程及其自动化 学生姓名 班级学号 指导教师 二零一零年六月江苏科技大学毕业设计论文江苏科技大学本科毕业论文神经网络自组织模糊控制器的设计Self-organizing fuzzy neural network controller design毕业设计（论文）题目：神经网络自组织模糊控制器的设计 一、毕业设计（论文）内容及要求（包括原始数据、技术要求、达到的指标和应做的实验等）1，熟悉人工神经网络的相关知识；2，首先,建立电液位置伺服系统的数学模型,并以此模型作为控制器的设计依据，对它的非线性和时变性进行相应分析；3，设

2、计一种神经网络自组织模糊控制器,并将它用在对电液位置伺服系统的控制中,以期为解决系统的不确定性、复杂性和非线性提供一条有效途径。 二、完成后应交的作业（包括各种说明书、图纸等）1. 毕业设计论文一份（不少于1.5万字）；2. 外文译文一篇（不少于5000英文单词）；三、完成日期及进度三、完成日期及进度自2010年3月8日起至2010年6月底止进度安排：1，3.8-3.31， 查阅资料、调研，完成开题报告；2，4.1-4.30， 熟悉神经网络相关知识；3，5.1-5.21，设计一种神经网络自组织模糊控制器,并将它用在对电液位置伺服系统的控制中；4，5.22-6.10， 撰写毕业设计论文；5，6.

3、10-6月底，准备毕业答辩。四、同组设计者（若无则留空）： 五、主要参考资料（包括书刊名称、出版年月等）:1模糊系统、模糊神经网络及应用程序设计王士同著 1998年12月第1版2神经网络与模糊控制张乃尧 阎平凡著 1998年10月第1版3人工神经网络理论及应用张铃 张钹著1997年05月第1版 系(教研室)主任： （签章） 年 月 日 学院主管领导： （签章） 年 月 日48摘 要本文设计了一种神经网络自组织模糊控制器，并将它用在对电液位置伺服系统的控制中，为解决系统的不确定性、复杂性和非线性提供了一条有效的途径。首先，建立了电液位置伺服系统的数学模型，并以此模型作为控制器的设计依据，分析了它

4、的非线性和时变性。从神经网络和模糊控制的控制原理入手，对它们结合的机理进行了介绍。其次，提出了神经网络自组织模糊控制器，它采用了预测网络期望输出的方法，并且提出了一个全新的离线估计以前时刻控制输出的算法，从而使神经网络的训练样本具有了完整的形式。最后，通过计算机仿真实验证明，在对电液位置伺服系统的控制中，应用神经网络自组织模糊控制器较之常规的模糊控制器的位置响应曲线超调更小，振荡幅度更小，动态性能也得到了很好的改善，具有较强的鲁棒性。关键词：电液位置伺服系统；模糊控制；神经网络AbstractIt designed a neural networks self-organizing fuzzy

5、 controller，and used it in control the electro-hydraulic position servo system，for resolving the systems uncertainly，complexity and nonlinearity，an effective approach was provided. Firstly，the mathematical model of electro-hydraulic position servo system is built up，as the design basis of the contro

6、ller，its non-linearity and time-variation is analyzed.Based on the control principle of the neural network and the fuzzy control,the mechanism for their combination was introduced.Secondly,the neural network self-organizing fuzzy controller was proposed,it adopted the method of estimating the networ

7、k expectation output,and put forward a brand-new arithmetic that estimated previous moment control output offline,accordingly,the training sample of the neural network had the integrated form.Lastly,it proved through the computer emulation experiment,that for the control of electro-hydraulic positio

8、n servo system,the position response curve which using neural network self-organizing fuzzy controller has less overshoots,less oscillation amplitude,and better dynamic performance than groovy fuzzy controller,and has stronger robustness. Keywords:electro-hydraulic position servo system;fuzzy contro

9、l;neural network目 录第一章 绪论11.1 电液伺服系统的定义、原理及发展应用11.2 神经网络与模糊控制41.2.1 神经网络的发展及研究41.2.2 模糊控制的发展及研究51.2.3 神经网络与模糊控制相结合的发展与研究61.3 论文的背景，目的，意义及内容81.3.1 论文的背景，目的及意义81.3.2 论文的内容9第二章 电液位置伺服系统数学模型的建立102.1 电液位置伺服系统数学模型的简化102.1.1功率放大器112.1.2电液伺服阀112.1.3位移传感器132.1.4 液压缸132.1.5电液位置伺服系统的简化数学模型152.2电液位置伺服系统的非线性因素和参

10、数的时变性162.3本章小结17第三章 模糊逻辑和神经网络的控制原理及其结合183.1 模糊控制183.1.1 模糊控制基本原理183.1.2 模糊控制系统203.2 神经网络223.2.1 神经网络的结构223.2.2 神经网络控制的基本思想233.3 神经网络与模糊控制结合的原理253.4 本章小结28第四章 神经网络自组织模糊控制器的设计294.1 自组织模糊控制器的结构294.2 采用神经网络的自组织模糊控制器304.2.1 采用神经网络的自组织模糊控制器的结构304.2.2 NNSOC中基于神经网络的模糊控制器的设计304.3 本章小结35第五章 神经网络自组织模糊控制器在伺服系统中

11、的仿真365.1 二维模糊控制器的设计365.2 基于神经网络的自组织模糊控制器的实现375.2.1将模糊控制器的输入空间划分为模糊区间375.2.2 神经网络自组织模糊控制器的设计395.3 电液位置伺服系统的仿真结果395.4 本章小结45结论46致 谢47参考文献48江苏科技大学毕业设计论文第一章 绪论1.1 电液伺服系统的定义、原理及发展应用 电液伺服系统是一种由电信号处理装置和液压动力机构组成的反馈控制系统。最常见的有电液位置伺服系统、电液速度控制系统和电液力（或力矩）控制系统。图1-1 电液位置伺服系统图1-1是一个典型的电液位置伺服控制系统。图中反馈电位器与指令电位器接成桥式电路

12、。反馈电位器滑臂与控制对象相连，其作用是把控制对象位置的变化转换成电压的变化。反馈电位器与指令电位器滑臂间的电位差（反映控制对象位置与指令位置的偏差）经放大器放大后，加于电液伺服阀转换为液压信号，以推动液压缸活塞，驱动控制对象向消除偏差方向运动。当偏差为零时，停止驱动，因而使控制对象的位置总是按指令电位器给定的规律变化。 电液伺服系统中常用的位置检测元件有自整角机、旋转变压器、感应同步器和差动变压器等。伺服放大器为伺服阀提供所需要的驱动电流。电液伺服阀的作用是将小功率的电信号转换为阀的运动，以控制流向液压动力机构的流量和压力。因此，电液伺服阀既是电液转换元件又是功率放大元件，它的性能对系统的特

13、性影响很大，是电液伺服系统中的关键元件。液压动力机构由液压控制元件、执行机构和控制对象组成。液压控制元件常采用液压控制阀或伺服变量泵。常用的液压执行机构有液压缸和液压马达。液压动力机构的动态特性在很大程度上决定了电液伺服系统的性能。 为改善系统性能，电液伺服系统常采用串联滞后校正来提高低频增益，降低系统的稳态误差。此外，采用加速度或压力负反馈校正则是提高阻尼性能而又不降低效率的有效办法。电液伺服系统是一门新兴的科学技术，历史并不长。它是在20世纪50年代至60年代以来才逐渐发展起来的，并行成了一门学科。电液伺服系统有许多优点，其中最突出的就是响应速度快、输出功率大、控制精确性高，因而在航空、航

14、天、军事、冶金、交通、工程机械等领域得到了广泛的应用。人类使用水利机械及液压传动虽然已有很长的历史，但液压控制技术的快速发展却还是近几十年的事，随着电液伺服阀的诞生，使液压伺服技术进入了电液伺服时代，其应用领域也得到广泛的扩展。随着现代科学技术特别是材料科学的发展，人们更加重视动态试验。而电液伺服技术是实现动态高周疲劳、程控疲劳和低周疲劳以及静态的恒变形速率、恒负荷速率和各种模拟仿真试验系统的最佳技术手段。国外试验机同行在电液伺服技术的应用和研制起步较早，自二十世纪50年代中期以来就先后生产了各种使用电液伺服系统的试验机，如美国MTS、英国Instron、瑞士Amsler(现在分为瑞士RUMU

15、L和瑞士W+B试验机公司)、德国Sehench和日本岛津等公司都先后研制成功各种电液伺服试验机。当时我国在这个应用领域还是空白，使用的电液伺服试验机都是从这些国家进口的。 我国试验机厂家是在上世纪70年代初才开始研制电液伺服试验机，长春试验机研究所、长春试验机厂、红山试验机厂和济南试验机厂等开始进行研制。在国家财力的支持下，先后都成功地开发出电液伺服动静试验机，并开始在国内应用。正是通过当时这段时间的成功实践，培养锻炼出一批技术人员，创建了我国今后电液伺服技术发展的平台，奠定了国内在该技术领域的基础。液压伺服系统的控制理论发展经历了三个阶段：(1)二十世纪40-50年代，形成了对单因素控制，以

16、调节原理为标志的“经典控制理论”。(2)二十世纪60-70年代，形成了以状态空间法为代表的“现代控制理论”。(3)二十世纪60年代中期到现在，进行了大量的人工智能控制的研究。智能控制主要用来解决那些用传统方法难以解决的复杂系统的控制，比起基于系统辨识的自适应控制，有着更强的鲁棒性，能够适应更大范围的系统和环境的不确定性及信息的模糊性，为复杂系统的控制开辟了新途径。近年来，为提高液压系统控制性能，已提出了例如鲁棒(Robustness)控制、自适应(Self-Turning)控制、神经网络(Neural Network)控制、模糊控制(Fuzzy Control)及其它人工智能控制等方法。这些控

17、制策略的提出、研究和开发应用，极大地提高了控制效果，为液压伺服系统的应用展现了广阔的前景。特别是20世纪70年代末80年代初逐渐完善和普及的计算机控制技术，为电子技术和液压技术的结合奠定了基础，大大地提高了液压伺服控制的功能与完成复杂控制的能力。机、电、液一体化技术已经逐渐扩展到各个工业领域。由此可见，液压伺服控制系统的研究与发展对国防工业和民用工业，对我国实现四个现代化，赶超国际先进水平都有着相当重要的意义。如何设计满足更高性能要求的电液伺服系统成为研究人员需要解决的核心问题之一。由于电液伺服控制系统模型的复杂性更多的体现在系统信息的模糊性、不确定性和偶然性，而智能控制与常规控制方法相比，最

18、显著的特点首先在于它不依赖于被控对象的精确模型，其次在于它具有自学习功能，可以在运行过程中对自身进行不断的修正和完善。因此，智能控制为解决“黑箱”、“灰箱”或大型非线性系统提供了强有力的工具。液压领域的系统，绝大部分是本质非线性系统或“灰箱”系统，时变参数很多，而模糊控制、神经网络、专家系统由于其各自的特点，为解决这些问题开辟了一条很好的途径，在液压领域智能控制的应用也越来越多，主要可以总结为以下几个方面：(1)用神经网络进行液压系统的模型辨识大型液压系统的数学模型很难建立，“软参量”对系统的影响很难估计，所以大型液压系统的建模一直是个难题。利用神经网络来建模是一种很好的手段。从理论上讲，这种

19、方法只要能够得到足够多的系统输入和输出样本，利用神经网络的学习能力，总能建立起对象模型。因此，利用神经网络可以建立完善的液压系统模型，从而为系统的仿真分析和控制奠定基础。当然，利用神经网络建模也存在缺陷：模型是以神经网络的结构形式表现出来的，网络参数与系统参数之间没有明显的对应关系，因而模型缺乏直观性，不符合人们的思维习惯，对系统参数的调节也缺乏指导。(2)实时控制用智能控制方法实现液压系统实时控制的例子很多：利用模糊控制来克服液压机械手非线性元件的影响，利用神经网络的学习功能来消除软参量的影响，利用模糊控制与PID控制结合来补偿工程机械负载的变化等。总的来说，模糊控制由于系统结构、控制逻辑比

20、较简单，而实时性不逊于传统的控制方法，因此在液压实时控制领域中广为应用。随着神经网络学习算法的改进、运行速度的提高以及自组织、自适应能力的加强，神经网络在液压实时控制领域中的应用前景也越来越广阔。(3)用专家智能实现液压系统的故障诊断专家系统是研究、处理知识的系统，它以领域专家的知识为基础，解释并重新组织这些知识，使之成为具有领域专家水平、能解决复杂问题的智能计算机程序。由于专家系统具有复杂性和经验性这两个特征，将其应用于液压故障诊断系统领域，将使诊断工作更加科学化、合理化。基于专家知识建立知识库，用人工智能的方法建立判断规则，根据系统中实时监测的状态参数，分析系统的运行情况，找出故障点并提出

21、相应的处理措施。1.2 神经网络与模糊控制1.2.1 神经网络的发展及研究神经网络最早的研究是40年代心理学家Mcculloch和数学家Pitts合作提出的，他们提出的MP模型拉开了神经网络研究的序幕。神经网络的发展大致经过3个阶段：19471969年为初期，在这期间科学家们提出了许多神经元模型和学习规则，如MP模型、HEBB学习规 则和感知器等；19701986年为过渡期，这期间神经网络研究经过了一个低潮，继续发展 。在此期间，科学家们做了大量的工作，如Hopfield教授对网络引入能量函数的概念，给出 了网络的稳定性判据，提出了用于联想记忆和优化计算的途径。1984年，Hiton教授提出B

22、ol tzman机模型；1986年Kumelhart等人提出误差反向传播神经网络，简称BP网络。目前，BP网 络已成为广泛使用的网络。1987年至今为发展期，在此期间，神经网络受到国际重视，各个 国家都展开研究，形成神经网络发展的另一个高潮。 人工神经元网络是生物神经网络的一种模拟和近似，它从结构、实现机理和功能上模拟生物 神经网络。从系统观点看，人工神经元网络是由大量神经元通过极其丰富和完善的连接而构 成的自适应非线性动态系统。 神经网络具有以下优点：(1)具有很强的鲁棒性和容错性，这是因为信息是分布存贮于网络 内的神经元中；(2)并行处理方法，人工神经元网络在结构上是并行的，而且网络的各个

23、单 元可以同时进行类似的处理过程，使得计算快速；(3)自学习、自组织、自适应性，神经元 之间的连接多种多样，各元之间联接强度具有一定可塑性，使得神经网络可以处理不确定或 不知道的系统；(4)可以充分逼近任意复杂的非线性关系；(5)具有很强的信息综合能力，能 同时处理定量和定性的信息，能很好的协调多种输入信息关系，适用于处理复杂非线性和不 确定对象。 神经网络以其独特的结构和处理信息的方法，在许多实际应用领域中取得了显著的成效，主 要 应用如下：(1)自动控制领域；(2)处理组合优化问题；(3)模式识别；(4)图像处理；(5)传 感器信号处理；(6)机器人控制；(7)信号处理；(8)卫生保健、医

24、疗；(9)经济；(10)化工领 域；(11)焊接领域；(12)地理领域；(13)数据挖掘、电力系统、交通、军事、矿业、农业和 气象等领域。 神经网络在很多领域已得到了很好的应用，但其需要研究的方面还很多。其 中，具有分布存储、并行处理、自学习、自组织以及非线性映射等优点的神经网络与其他 技术的结合以及由此而来的混合方法和混合系统，已经成为一大研究热点。 由于其他方法也有它们各自的优点，所以将神经网络与其他方法相结合，取长补短，继而可 以获得更好的应用效果。目前这方面工作有神经网络与模糊逻辑、专家系 统、遗传算法、小波分析、混沌、粗集理论、分形理 论、证据理论和灰色系统等的融合。1.2.2 模糊

25、控制的发展及研究 随着复杂系统在现代工业控制和实际生产过程中的应用，经典的自动控制理论和现代控制理论和控制方法就很难取得满意的控制效果。特别是复杂系统中的非线性和大时滞问题,可能会使系统不稳定。在这种情况下，模糊控制理论产生。 1965 年美国加州大学L.A.Zadeh 教授首次提出用“隶属函数”的概念来定量描述事物模糊性的模糊集合理论，从此奠定了模糊数学的基础在 20 世纪60 年代后期，许多学者提出了新的模糊方法，如模糊算法、模糊决策等，建立了研究模糊控制的基础理论，在引入语言变量概念的基础上，提出了用IF-THEN的规则来量化人类的知识。随着科学技术的迅猛发展，对自动控制系统的控制精度、

26、响应速度、系统稳定性和适应能力的要求越来越高，对于大多数复杂的被控对象，采用传统的控制方法往往难以收到满意的控制效果。而模糊控制综合了专家的操作经验，具有不依赖被控对象的精确数学模型，设计简单，便于应用，抗干扰能力强，响应速度快，易于控制和掌握，对系统参数的变化有较强的鲁棒性等特点，在经典控制理论和现代控制理论难以应用的场合发挥了很大的作用，已经成为智能控制的主要分支。20世纪70年代的一个重大事件就是诞生了处理实际系统的模糊控制器。进入20世纪80年代初这一领域进展缓慢，没有新的概念和方法被提出，但日本的工程师以其对新技术的敏感，发现模糊控制技术具有语词计算和处理不精确、不确定性和模糊信息的

27、能力，不需要数学模型，可应用到很多因数学模型未知而无法使用传统控制论的系统中去，他们用此技术首先控制一家富士电子水净化工厂，又开发了仙台地铁模糊系统，创造了当时世界上最先进的地铁系统，也引起了模糊领域的一场巨变。从此支持模糊理论的浪潮迅速蔓延到各个领域，到90 年代初有许多的模糊产品大量出现，因此可以说实践是模糊系统和模糊控制理论发展的驱动力。虽然模糊控制已获得了很多成功的应用，但是仍有很多问题函待解决。（1）建立一套系统的模糊控制理论，以解决模糊控制的机理、稳定性分析、系统化设计方法、专家模糊控制系统、神经模糊控制系统和多变量模糊控制系统的分析与设计等一系列问题；（2）模糊控制在非线性复杂系

28、统应用中的模糊建模、模糊规则的建立和推理算法的深入研究；（3）模糊集成控制系统的设计方法研究；（4）自学习模糊控制策略的实现；（5）模糊控制系统的稳定性分析。模糊控制发展到现阶段，自组织模糊控制器是一个研究的热点。对于那些时变的、非线性的复杂系统采用模糊控制时，为了获得良好的控制效果，必须要求模糊控制具有较完善的控制规则。这些控制规则是人们对被控过程认识的模糊信息的归纳和操作经验的总结。然而，由于被控过程的非线性、高阶次、时变性以及随机干扰等因素，造成模糊控制规则或者粗糙或者不够完善，都会不同程度地影响控制效果。为了弥补这个不足，自然就要考虑到模糊控制器应向着自适应、自组织、自学习方面发展，使

29、得模糊控制参数或规则在控制过程中自动的调节、修改和完善，从而使系统的控制性能不断改善，达到最佳的控制效果。1.2.3 神经网络与模糊控制相结合的发展与研究 模糊理论和神经网络技术是近年来人工智能研究较为活跃的两个领域。人工神经网络是模拟人脑结构的思维功能，具有较强的自学习和联想功能，人工干预少，精度较高，对专家知识的利用也较少。但缺点是它不能处理和描述模糊信息，不能很好利用已有的经验知识，特别是学习及问题的求解具有黑箱特性，其工作不具有可解释性，同时它对样本的要求较高;模糊系统相对于神经网络而言，具有推理过程容易理解、专家知识利用较好、对样本的要求较低等优点，但它同时又存在人工干预多、推理速度

30、慢、精度较低等缺点，很难实现自适应学习的功能，而且如何自动生成和调整隶属度函数和模糊规则，也是一个棘手的问题。如果将二者有机地结合起来，可以起到互补的效果。 模糊控制和神经网络总体来说有以下三种结合方式： (1)神经模糊系统。在模糊模型中用神经网络作为工具。神经模糊系统旨在向模糊系统提供典型神经网络的自校正方法而不改变模糊系统的功能。在神经模糊系统中，神经网络用于对模糊集合扩大的数值进行处理。因此神经模糊系统本质上还是模糊逻辑系统，它主要用在控制领域。 (2)模糊神经网络。把常规的神经网络模糊化。模糊神经网络保留了神经网络的基本性质和结构，只是将其中某些元件“模糊化”，精确的神经元变成了模糊的

31、。在这种情况下，因为网络结构不变，改变的仅是连接低层到高层神经元的某种突触权值。模糊神经网络本质上还是神经网络，它主要应用于模式识别领域。 (3)模糊神经混合系统。把模糊技术和神经网络结合起来形成混合系统。模糊技术和神经网络两者都在混合系统中起重要作用。它们在系统中各自完成自己的任务，利用各自的长处，相互补充和合作，共同达到统一的目标。模糊神经混合系统是面向应用对象的，它既适合于智能控制，也适合于模式识别。1974年，S.C.Lee以和E.T.Lee在Cybernetics杂志上发表了“”Fuzzy sets and neural networks”一文，首次把模糊集和神经网络联系在一起；接着

32、，在1975年，他们又在Math.Biosci杂志上发表厂“Fuzzy neural networks”一文，明确地对模糊神经网络进行了研究。在文章中，作者用0和1之间的中间值推广了McCulloch-Pitts神经网络模型。在以后一段时间中，由于神经网络的研究仍处于低潮，所以在这方面的研究没有取得什么进展。1985年，J.M Keller和D.Huut提出f把模糊隶属函数和感知器算法相结合。1989年TYamakawa提出了初始的模糊神经元这种模糊神经元具有模糊权系数，但输入信号是实数。1992年，TYamakawa又提出了新的模糊神经元，新的模糊神经元的每个输入端不是具有单一的权系数，而是

33、模糊权系数和实权系数串联的集合。同年，K.Nakamura和M.Tokunaga分别也提出了和TYamakawa的新模糊神经元类同的模糊神经元。1992年，D.Nauck和R.Kruse提出用单一模糊权系数的模糊神经元进行模糊控制及过程学习。而在这一年，I.Requena和M.Delgado提出了具有实数权系数，模糊阀值和模糊输入的模糊神经元。1990年到1992年期间，MMGupta提出了多种模糊神经元模型，这些模型中有类同上面的模糊神经元模型还有含模糊权系数并可以输入模糊量的模糊神经元。1992年开始，JJBackley发表了多篇关于混合模糊神经网络的文章，它们也反映了人们近年来的兴趣点。

34、1.3 论文的背景，目的，意义及内容1.3.1 论文的背景，目的及意义 基于神经网络的模糊控制器(FNN)近年来已逐渐成为研究的热点，模糊控制能有效地控制难以建立精确模型而凭经验可控制的系统，而神经网络则由于其仿生特性更能有效利用系统本身的信息，并能映射任意函数关系，具有并行处理和自学习能力，容错能力也很强，在集成大系统中，神经网络可用于处理低层感知数据，模糊逻辑可用于描述高层的逻辑框架，神经网络和模糊系统均属无模型控制器和非线性动力学系统，但神经网络适合于处理非结构化信息。而模糊系统对处理结构化的知识更有效，二者的结合有效地推动了自学习模糊控制的发展。非线性模糊自适应控制近年来有了很大的发展

35、。巨大的进展一方面解决了一个又一个理论和实际问题，同时也提出越来越多的待解决的问题，可以说鉴于其本身的复杂性，建立类似线性控制理论一样完善的模糊控制理论几乎是不可能的，一如非线性系统学科的完善程度达不到线性理论一样。但在建立的模糊控制理论中，可以尽可能地阐述系统的基本性质，提供可行的分析方法，尤其是发展起一些实用的综合方法。模糊神经网络近年来的研究报道层出不穷。人们期待着它能够为整个控制学科作出突破性的贡献，但在实际中存在的问题是神经网络较复杂，学习计算时间长，如何简化模糊控制器的量化过程，将其转换成易于学习的算法；如何确定学习指标，构成有效的模糊控制学习系统；如何将模糊控制器的调整转化为等价

36、的神经网络学习，利用等价的模糊逻辑来初使化神经元网络；模糊神经网络的稳定性、收敛性等，都是有待进一步研究的问题。随着现代科学技术的迅猛发展，人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力，因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面，特别是模糊神经网络已成为研究者们倾注的焦点。因此本课题提出了一种模糊神经网络自组织控制器的设计方案，以期为解决系统的不确定性、复杂性和非线性提供一条有效途径。1.3.2 论文的内容电液伺服系统的不断发展，根据被控制量可分为电液位置伺服系统、电液速度伺服控制系统和电液

37、力伺服控制系统等。电液位置伺服系统是最普遍的电液伺服系统之一。本文以电液位置伺服控制系统为研究对象，实现伺服系统的智能控制。本文的主要研究内容有：(1)对电液位置伺服系统的数学模型进行了理论分析，同时设计了系统中主要元部件的参数，然后分析了电液位置伺服系统的非线性和时变性。(2)介绍了模糊逻辑控制原理、模糊控制器的结构和设计以及神经网络的控制原理，分析了模糊控制与神经网络结合的原理，着重研究了模糊控制与神经网络结合的方法、模型，为神经网络自组织模糊控制器的设计提供了理论依据。(3)设计了一种神经网络自组织模糊控制器，它采用了预测网络期望输出的方法，并且提出了一个全新的离线估计以前时刻控制输出的

38、算法，使神经网络辨识针对无专家经验可言的被控对象的模糊控制器的规则库和推理机制成为现实。(4) 将神经网络自组织控制器应用于电液位置伺服系统并进行Matlab仿真实验，验证了所设计的神经网络自组织模糊控制器的有效性。第二章 电液位置伺服系统数学模型的建立2.1 电液位置伺服系统数学模型的简化 电液伺服控制系统是一种以液压动力机构为执行机构，并具有反馈控制的机-电-液一体化系统。在这种控制系统中，只要输入某一规律的输入信号，则执行元件就能自动、快速并准确地复现输入量的变化规律，并且还起到信号的功率放大作用。电液位置伺服系统的被控量是工作台的位置(位移)或角位移，它能自动地以一定的精度跟踪这一输入

39、信号运动，所以电液位置伺服系统是一个自动跟踪系统。 系统存在偏差是电液位置伺服系统工作的必要条件，也可以说液压伺服系统是靠偏差来进行工作的。系统以偏差信号来进行控制，使系统朝偏差较小的方向运动，直至偏差为零。因此电液位置伺服系统也是一个反馈控制系统。 液压伺服系统按液压动力元件的控制方式来分类，可分为阀控式系统和变量泵控制系统两类。其中，阀控系统又可分为阀控液压缸系统和阀控液压马达系统两种。阀控系统具有响应速度快、控制精度高、结构简单等优点，得到广泛应用，特别是在快速、高精度的中、小功率伺服系统中应用很广。阀控系统根据液压能源的型式不同又可分为恒压伺服系统和恒流伺服系统。在恒压伺服系统中，液压

40、能源以恒定的压力向系统供油；在恒流伺服系统中，液压能源以恒定的流量向系统供油。一般恒压伺服系统的性能优于恒流伺服系统。 本系统采用阀控(电液伺服阀)、液压缸、恒压供油的方式，控制系统的基本结构如图2-1所示：图2-1 电液位置伺服控制系统结构图在该系统中，电液伺服阀和液压缸是系统中的液压动力元件，为了推导的简洁而又不失准确性，作如下假设：(1) 伺服阀为理想零开口四通滑阀，四个节流窗口是匹配和对称的；(2) 节流窗口处的流动为紊流，液体压缩性的影响在阀中予以忽略； (3) 阀具有理想的响应能力，即对于阀芯位移和阀压降的变化相应的流量变化能瞬间响应；(4)液压缸为理想的双出杆对称液压缸；(5)供

41、油压力恒定不变，回油压力为零；(6)所有的连接管道都短而粗，管道内的摩擦损失、流体质量影响和管道动态忽略不计；(7)液压缸每个工作腔内各处压力相同，油液温度和容积弹性模数可以认为是常数；系统中各环节的数学模型和实际参数分析、设计如下：2.1.1功率放大器当采用电流负反馈放大器时，由于电液伺服阀的力矩马达线圈的转折频率a很高，可以忽略。故功率放大器输出电流I与输入电压U近似成比例，可视为一个比例环节，其数学模型为： （2-1）式中I放大器的输出电流(A)； Ka伺服放大器增益(A/V)；U输入的电压信号(V)。实际系统中功率放大器的放大倍数Ka=0.01 A/V。2.1.2电液伺服阀电液伺服阀通

42、常由力矩马达、液压放大器、反馈机构三部分组成。伺服阀通常以电流增量I为输入，以空载流量为输出。当伺服阀的频宽与液压固有频率相近时，伺服阀可以近似看成二阶振荡环节 （2-2）当伺服阀的频宽大于液压固有频率(3-5倍)时，伺服阀可看成惯性环节 （2-3）当伺服阀的频宽远大于液压固有频率(510倍)时，伺服阀可以近似看成比例环节 （2-4)式中伺服阀的空载流量()；伺服阀的输入电流增量(A)；伺服阀的流量增益()；伺服阀的固有频率(rad/s)；伺服阀的阻尼比；伺服阀的时间常数(s)。通常电液伺服阀的响应速度较快，与液压动力元件相比，其动态特性可以忽略不计，把它看成比例环节。阀的性能指标如下：空载额

43、定电流：空载额定流量：=100L/min额定供油压力：(供油压力范围228MPa)幅频宽(-3dB)： 50Hz相频宽：50Hz由以上参数可求得伺服阀流量增益：实际系统的供油压力按最佳匹配原则，选取为Ps=14MPa，此时电液伺服阀的最大空载流量为液压油源采用恒压变量泵加蓄能器，泵选用63PCY141-B型轴向柱塞泵，其排量为63mL/r，电动机的额定转速为1450rpm，实际油泵输出流量为91.35L/min，可以满足系统流量需要。2.1.3位移传感器 位移传感器可视为一个比例环节： （2-5）式中位移反馈信号（V)；传感器的电压位移系数（）；液压缸活塞位移（m）。实际系统中传感器位移测量范

44、围为：020mm，对应传感器输出电压为05V，因此，电压位移系数为：=0.25。2.1.4 液压缸阀控液压缸的三个基本方程为滑阀的流量方程： （2-6)式中伺服阀的负载流量（）；伺服阀的流量增益（)；伺服阀的阀芯位移（m）；伺服阀的流量压力系数（）；液压缸的负载压降（Pa）。液压缸流量连续性方程： （2-7）式中液压缸活塞的面积（）；液压缸活塞的位移（m）； 液压缸的总泄漏系数（）； 液压缸总压缩容积（）； 液压油的等效体积弹性模数（Pa）。液压缸和负载的力平衡方程： （2-8）式中活塞及负载折算到活塞上的总质量(kg)；活塞及负载的粘性阻尼系数（）； K负载弹性刚度(N/m)；活塞上的外负载力（N）。由式（2-6），（2-7），（2-8） （2-9）式中总流量压力系数（），。由于伺服系统的负载在多数情况下以惯性负载为主（K=0)，并且粘性阻尼系数一般很小，因此项可以忽略不计。式(2-9)可简化为： (2-10)或 （2-11）令，则液压缸活塞位移对阀芯位移的传递函数为 （2-12）式中液压固有频率（rad/s）；液压阻尼比。本系统中液压缸的参数如下：液压缸缸体内径：D=0.046m活塞杆直径：d=0.023m液压缸活塞