[发明专利]神经网络在控制系统中的应用

说明书

一种神经网络控制系统和方法，包括与运载工具中的神经网络控制器通信的运载工具传感器。神经网络(NN)以至少两种模式运行：训练模式和控制模式。NN由至少五个包含多个神经元的计算层组成。传感器数据由NN控制器接收，并通过各层进行处理，其中每个神经元对传感器数据应用权重。在训练模式中，连续地调节权重，直到达到已知参考信号与设备输出之间的阈值差。在控制模式中，NN控制器连续且递归地发送控制信号，命令设备响应于传感器数据调节致动器位置，直到基本上消除传感器数据中的扰动。

技术领域

本公开涉及机动运载工具，更具体地说，涉及用于管理机动运载工具动力学的控制系统。

背景技术

机动运载工具中的典型控制系统利用经典的比例积分微分(proportionalintegral derivative，PID)和/或模型预测控制(model predictive control，MPC)方法来解决机动运载工具内的控制问题。经典的PID和MPC系统和方法需要精确的调谐、强处理能力和大量的处理时间。同样，当处理不同于预期值范围的输入信号时和/或当需要PID和/或MPC系统和方法处理来自多个输入/输出系统的数据时，经典的PID和/或MPC系统和方法会变得不准确。类似地，经典的PID和MPC系统和方法在用于解决无法用精确的数学模型准确表示的复杂非线性现实世界问题时，会产生不可预测的结果。

因此，尽管当前用于管理机动运载工具动力学的经典PID和MPC系统和方法实现了其预期目的，但是仍需要新的和改进的系统和方法，来提高机动运载工具控制系统计算的速度、便携性、处理能力和准确性，同时还增加这种控制系统适应变化的现实世界和模拟输入信号的能力，并且通过解决无法由精确数学模型表示的复杂非线性现实世界问题来提高控制系统输出的准确性。

发明内容

根据几个方面，一种用于运载工具的神经网络控制系统，包括设置在运载工具上的一个或多个传感器，该一个或多个传感器检测运载工具状态信息和扰动。控制系统还包括设置在运载工具内的控制器，该控制器具有处理器、存储器和一个或多个输入输出(I/O)端口。I/O端口从一个或多个传感器接收输入数据。处理器执行存储在存储器中的程序控制逻辑。编程逻辑在具有多个计算层的神经网络(neural network，NN)中运行。程序控制逻辑还包括第一控制逻辑，该第一控制逻辑用于接收参考信号，并且用于通过I/O端口从一个或多个传感器接收运载工具状态信息和扰动。第二控制逻辑利用运载工具状态信息和扰动作为神经网络(NN)的计算层中的多个神经元的输入。在第三控制逻辑中，多个计算层中的每一个计算层中的神经元中的每一个神经元将预定权重应用于运载工具状态信息和扰动。第四控制逻辑生成控制信号作为NN输出。第五控制逻辑在设置在运载工具上的设备内接收NN输出和扰动。第六控制逻辑基于控制信号和扰动生成设备输出。第七控制逻辑计算设备输出与参考信号之间的差值。第八控制逻辑生成第二控制信号作为NN输出。第二控制信号基于参考信号、运载工具状态信息、扰动以及设备输出与参考信号之间的差值。控制信号命令设置在机动运载工具上的一个或多个致动器改变位置。处理器连续且递归地执行第一控制逻辑、第二控制逻辑、第三控制逻辑、第四控制逻辑、第五控制逻辑、第六控制逻辑、第七控制逻辑和第八控制逻辑，以连续且主动地响应运载工具状态信息和扰动，并且基本上消除由一个或多个传感器检测到的任何扰动。

在本公开的另一方面，运载工具状态信息包括道路轮廓位移、道路轮廓速度、簧下质量位移、簧下质量速度、簧下质量加速度、簧上质量位移、簧上质量速度和簧上质量加速度。

在本公开的又一方面，多个计算层还包括具有第一数量的神经元并且生成第一输出的第一层，接收第一输出的第二层，第二层具有比第一数量的神经元少的第二数量的神经元并且生成第二输出。多个计算层还包括接收第二输出的第三层，第三层具有比第二数量的神经元少的第三数量的神经元并且生成第三输出，以及接收第三输出的第四层，第四层具有比第三数量的神经元少的第四数量的神经元并且生成第四输出。计算层的第五层接收第四输出。第五层具有比第四数量的神经元少的第五数量的神经元并且生成第五输出，其中第五输出是控制信号。