[发明专利]基于基底函数网络的超声波电机模糊神经网络控制方法

权利要求书

1.一种基于基底函数网络的超声波电机模糊神经网络控制方法，包括一基座以及设置于该基座上的超声波电机，其特征在于，所述超声波电机一侧输出轴与一光电编码器相连接，所述超声波电机另一侧输出轴与一飞轮惯性负载一端相连接；所述飞轮惯性负载的输出轴经一弹性联轴器与一力矩传感器相连接；所述光电编码器的信号输出端以及所述力矩传感器的信号输出端均连接至一控制系统；所述超声波电机、所述光电编码器以及所述力矩传感器分别对应经超声波电机固定支架、光电编码器固定支架以及力矩传感器固定支架固定于所述基座上；所述控制系统中的控制芯片电路通过采用基于递归式放射性基底函数网络的模糊神经网络控制器，并将模糊神经网络作为调整函数，完成对所述超声波电机转子位置以及速度的控制。

2.根据权利要求1所述的基于基底函数网络的超声波电机模糊神经网络控制方法，其特征在于，所述基于递归式放射性基底函数网络的模糊神经网络根据在线的输入信号，通过在线学习算法动态生成归属函数层神经元、规则神经元层、递归层神经元神经元、放射性基底函数网络隐藏层神经元以及输出层神经元；所述在线学习算法包括架构学习以及参数学习。

3.根据权利要求2所述的基于基底函数网络的超声波电机模糊神经网络控制方法，其特征在于，所述放射性基底函数网络包括输入层、隐藏层以及输出层；若隐藏层采用高斯函数作为接纳范畴函数，将放射性基底函数网络的输出记为X＝[x₁,x₂,…x_n]^T,其中n为放射性基底函数网络外部输出的个数，则放射性基底函数网络采用权重加总法计算其放射性基底函数网络的输出：

H^j=Σk=1mwkjΓk(x)=w1jΓ1+w2jΓ2+...wmjΓm,j=1,2......m]]>

Γk(x)=exp[-(x-Λk)TΣK(x-Λk)],k=1,2......m,]]>

其中，为放射性基底函数网络基底的第j个输出也是外部网络的第j个规则；w_kj为放射性基底函数网络中的隐藏层和输出层间的连结权重值，Γ_k为放射性基底函数网络中的第k个隐藏层的输出，平均值向量以及标准偏差值向量分别为Λ_k＝[a_1k,a_2k,…a_ik]^T与a_ik和s_ik分别为放射性基底函数网络之第i个输入之隐藏层内第k个神经元的平均值与标准偏差值，m为放射性基底函数网络基底的个数和放射性基底函数网络中的隐藏层内的接纳范畴单位的个数，其个数相等于所述基于递归式放射性基底函数网络的模糊神经网络模糊逻辑的个数。