[发明专利]一种气动位置伺服系统自适应模糊神经网络控制方法

说明书

本发明公开了一种气动位置伺服系统自适应模糊神经网络控制方法，步骤包括：步骤1、建立气动位置伺服系统的模型，并且进行线性化；步骤2、设置气动位置伺服系统的自适应控制器；步骤3、采用模糊神经网络对模型中不确定函数进行估计，该模糊神经网络由前件网络和后件网络两部分组成，前件网络用来匹配模糊规则的前件，后件网络用来产生模糊规则的后件，结合神经网络设计控制器得到控制控制量u，将u通过D/A转换模块输出至比例阀，实时调节气动位置伺服系统活塞的位移量，即成。本发明的方法，不确定的比例阀零点也通过自适应律得到处理，与现有控制器相比本发明方法跟踪精度更高。

技术领域

本发明属于气动位置伺服系统位置跟踪控制技术领域，具体涉及一种气动位置伺服系统自适应模糊神经网络控制方法。

背景技术

气动位置伺服系统是以压缩气体作为工作介质，具有无污染、功率体积比高、结构简单、成本低、安全可靠等特点，是生产过程自动化和机械化最有效的手段之一，气动技术已经成为众多领域不可缺少的基础部分。

工业生产线上的气动装置通常要求能够实现高精度位置跟踪控制，由于受气体的可压缩性、阀口流动的非线性、气缸存在的摩擦力和气动位置伺服系统的低阻尼特性等因素的影响，气动位置伺服系统本质上是非线性系统，这给气动位置伺服系统的连续轨迹控制和高精度控制带来了很大的困难。

发明内容

本发明的目的是提供一种气动位置伺服系统自适应模糊神经网络控制方法，解决了现有技术在气动位置伺服系统的跟踪控制精度方面难以满足要求的问题。

本发明采用的技术方案是，一种气动位置伺服系统自适应模糊神经网络控制方法，其特征在于，按照以下步骤具体实施：

步骤1、建立气动位置伺服系统的模型，并且进行线性化；

步骤2、设置气动位置伺服系统的自适应控制器；

步骤3、采用模糊神经网络对模型中不确定函数进行估计，

在自适应控制器的设计中包含未知函数本步骤采用模糊神经网络对该未知函数进行逼近，采用W^TY为模糊神经网络的输出用于逼近未知函数f，W为模糊神经网络输出权值向量，Y为模糊神经网络每条规则的适应度，矩阵[·]^T为矩阵[·]的转置，

设输入向量每个分量g_i均为模糊语言变量，并设：

其中，是g_i的第q个语言变量值，它是定义在论域U_i上的一个模糊集合，相应的隶属度函数为

该模糊神经网络由前件网络和后件网络两部分组成，前件网络用来匹配模糊规则的前件，后件网络用来产生模糊规则的后件，

通过模糊神经网络来逼近系统未知模型，然后设计控制器得到控制量u，再经过D/A转换模块输出至比例阀，实时调节气动位置伺服系统活塞的位移量，即成。

本发明的有益效果是，在考虑气动位置伺服系统模型未知、控制增益未知、扰动未知及阀的零点不精确等影响因素后，设计基于气动位置伺服系统的自适应模糊神经网络控制器，神经网络用于解决未知系统模型和未知扰动问题，Nussbaum函数用于解决系统控制增益未知的问题，同时不确定的比例阀零点也通过自适应律得到处理，与现有控制器相比本发明方法跟踪精度更高，具体包括：1)不需要对象模型的精确参数，便能够实施有效控制；2)有效地降低了未知扰动及比例阀零点不精确对系统性能的影响；3)不论控制方向是否已知均可实现有效的跟踪控制。

附图说明

图1是本发明方法控制对象的结构示意图；

图2是本发明方法采用的模糊神经网络的示意图；

图3是本发明方法采用的模糊神经网络的简化示意图；