[发明专利]改良型粒子群寻优神经网络超声波电机控制系统及其方法

摘要

本发明涉及一种改良型粒子群寻优神经网络超声波电机控制系统及其方法，该控制系统中超声波电机一侧输出轴与光电编码器连接，另一侧输出轴与飞轮惯性负载连接，飞轮惯性负载的输出轴经联轴器与力矩传感器连接，光电编码器、力矩传感器的信号输出端分别接至控制系统。该控制方法由基于广义回归神经网络的辨识器和电机组成，辨识器完成对超声波电机在不同控制变量、飞轮惯性负载下输入输出特性的辨识，控制器根据辨识结果实现对超声波电机的速度/位置控制输出，以确定不同负载、不同控制变量下的控制特性。本发明所提出的改良型粒子群寻优神经网络超声波电机控制系统及其方法不仅控制准确度高，而且结构简单、紧凑，使用效果好。

主权项

一种改良型粒子群寻优神经网络超声波电机控制系统的控制方法，其特征在于，提供一改良型粒子群寻优神经网络超声波电机控制系统，包括：以及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递归式函数连结模糊类神经网络对所述超声波电机在不同控制变量以及不同飞轮惯性负载下的输入输出特性进行控制，并通过改良型粒子群寻优法在线调整所述递归式函数连结模糊类神经网络的学习速率，以增加所述递归式函数连结模糊类神经网络的学习能力以及加快所述递归式函数连结模糊类神经网络的收敛速度；所述递归式函数连结模糊类神经网络为一个五层的模糊类神经网络，包括动态回授以及函数连结类神经网络；每一层网络的讯号传递过程如下：第一层：在第一层中，神经元的输出表示如下：yi(1)=xi(1),i=1,2;]]>其中：和为第一层中的第i个神经元的输入和输出，且和分别为追随误差e及其微分第二层：采用高斯函数作为归属函数：yij(2)=exp(-(yij(1)-mij)2σij2),j=1,2,...,m]]>其中：mij和σij分别为高斯函数的平均值和标准偏差，第二层中每个神经元均为一个归属函数；m为常数，且m为第二层神经元的个数；第三层：在第三层中，添加动态回授，采用Sigmoid函数作为递归部分中内部变数hk的激发函数，动态回授的输出如下：fj=11+exp(-hk),k=j=1,2,...,m]]>式中：为存储元件的递归变数；θjk为动态回授的连结权重；在第三层中，神经元代表模糊逻辑规则的前置部，且神经元在第三层以Π来表示；将所述第二层神经元的输出与所述动态回授的输出相乘，对第j个神经元而言，第三层的输出表示如下：yj(3)=fjΠi=12yij(2)]]>第四层：第四层中的神经元将函数连结类神经网络的输出与第三层的输出作相乘，每个神经元表示如下：yj(4)=yj(3)f^j]]>其中，为第四层的输出；第五层：在第五层中的神经元进行解模糊化，输出的数学关系表示为：iq*=y(5)=Σj=1myj(4)Σj=1myj(3)=Σj=1myj(3)f^jΣj=1myj(3)]]>其中，为递归式函数连结模糊类神经网络的输出。