宮占霞

（廣東理工學(xué)院，肇慶 526000）

在網(wǎng)絡(luò)控制系統(tǒng)中，干擾、丟包和時延等不確定因素通常是導(dǎo)致控制系統(tǒng)的不穩(wěn)定運(yùn)行的根本原因，甚至完全無法控制。目前，對網(wǎng)絡(luò)控制系統(tǒng)不穩(wěn)定方面的研究很多，很大程度上解決了網(wǎng)絡(luò)控制系統(tǒng)不穩(wěn)定性問題，但是解決的前提是已知被控對象的數(shù)學(xué)模型，因此對模型有很大的依賴性，對于很難精確的模型的情況，體現(xiàn)出了研究的局限性。

近年來，智能控制理論的發(fā)展為網(wǎng)絡(luò)控制系統(tǒng)提供了一個非常不錯的研究方向。文獻(xiàn)[1]設(shè)計出基于遺傳算法的控制方法，有效解決了網(wǎng)絡(luò)時延所引起的系統(tǒng)動態(tài)過程中產(chǎn)生的超調(diào)量和長調(diào)節(jié)時間問題。文獻(xiàn)[2]設(shè)計出基于模糊理論的控制器，實現(xiàn)了在網(wǎng)絡(luò)時延具體參數(shù)未知的情況下穩(wěn)定網(wǎng)絡(luò)控制系統(tǒng)的想法。文獻(xiàn)[3]設(shè)計了基于模糊控制理論的控制方法，此方法根據(jù)設(shè)定好的應(yīng)對不同時延的參數(shù)庫不斷調(diào)整控制參數(shù)，以達(dá)到穩(wěn)定系統(tǒng)輸出的目的。

模糊神經(jīng)網(wǎng)絡(luò)控制結(jié)合了模糊理論與神經(jīng)網(wǎng)絡(luò)的優(yōu)點，具有類似人腦的邏輯思維和人類經(jīng)驗思維的特點，表現(xiàn)為利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)和自組織能力，在控制器的設(shè)計和運(yùn)行中自動調(diào)整系統(tǒng)權(quán)值來進(jìn)行隸屬函數(shù)的學(xué)習(xí)，能夠從大量的數(shù)據(jù)中獲取優(yōu)化的模糊規(guī)則，進(jìn)而實現(xiàn)模糊系統(tǒng)的設(shè)計，避免了人類主觀判斷處理所帶來的偏差，提高了網(wǎng)絡(luò)控制系統(tǒng)的可靠性和穩(wěn)定性[4]。

本文將利用模糊控制與神經(jīng)網(wǎng)絡(luò)的有機(jī)結(jié)合，設(shè)計控制器且應(yīng)用于網(wǎng)絡(luò)控制系統(tǒng)中，并驗證此設(shè)計方法的有效性和可行性。

1 控制方法研究

設(shè)模糊神經(jīng)網(wǎng)絡(luò)的各輸入分量的模糊規(guī)則數(shù)已事先確定好，因此需要學(xué)習(xí)的參數(shù)為后件網(wǎng)絡(luò)的連接權(quán)（j=1,2,3,…,m；i=1,2,3,…,n；l=1,2,3,…,r），前件網(wǎng)絡(luò)的第二層各節(jié)點隸屬函數(shù)的寬度σij和中心值cij。

誤差代價函數(shù)如式（1）所示：

式中，yi和ti分別表示為模糊神經(jīng)網(wǎng)絡(luò)的實際輸出和期望輸出。

圖1所示為所建模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖，圖中μij為隸屬度函數(shù)。

對于模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，給出結(jié)構(gòu)圖中每一層相應(yīng)的節(jié)點函數(shù)。

第一層：

第二層：

第三層：

圖1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

或

第四層：

第五層：

當(dāng)f(3)采用最小值時，則為第k個規(guī)則節(jié)點輸入的最小值否則sij=0

當(dāng)f(3)采用相乘運(yùn)算關(guān)系時，則是第k個規(guī)則節(jié)點輸入的一個數(shù)值否則sij=0

由以上得出一階梯度為：

進(jìn)而得到優(yōu)化的cij和σij為：

2 控制器設(shè)計

要設(shè)計具有優(yōu)良性能的模糊神經(jīng)網(wǎng)絡(luò)控制器，就需要根據(jù)圖1確定其網(wǎng)絡(luò)結(jié)構(gòu)。

輸入層：設(shè)定期望輸出r和實際輸出y的差值，即誤差e以及誤差e的變化率e˙作為輸入，因此輸入層的節(jié)點數(shù)即為2。

模糊層：設(shè)定誤差e以及誤差率的論域均為{負(fù)大，負(fù)小，零，正小，正大}，用符號{NB,NS,ZE,PS,PB}表示。隸屬度函數(shù)選取高斯函數(shù)的鈴型函數(shù)，因此模糊層的節(jié)點數(shù)即為2×5=10。

規(guī)則層：設(shè)定乘法運(yùn)算，計算出每條規(guī)則相應(yīng)的適應(yīng)度，因此規(guī)則層的節(jié)點數(shù)即為52=25。

輸出層：設(shè)定網(wǎng)絡(luò)控制系統(tǒng)的被控對象輸入u為輸出，因此輸出層的節(jié)點數(shù)即為1。

下一步即對模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，此處選擇離線訓(xùn)練方式。選用大量滿足控制系統(tǒng)需求的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。訓(xùn)練數(shù)據(jù)是由誤差e、誤差變化率e˙、被控對象輸入u構(gòu)成的矩陣，訓(xùn)練過程如圖2所示。

訓(xùn)練后，可以得到圖3所示的關(guān)系曲面。

最后，對訓(xùn)練完的模糊神經(jīng)網(wǎng)絡(luò)控制器模塊化進(jìn)行封裝，作為網(wǎng)絡(luò)控制系統(tǒng)的某輸入信號。

3 仿真研究

運(yùn)用MATLAB軟件中的TrueTime工具箱進(jìn)行仿真研究。仿真中選取的被控對象的傳遞函數(shù)為采用參數(shù)為Kp=0.1698，Kd=0.02195的比例微分（PD）控制器。

圖2 模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練圖

圖3 輸入輸出對應(yīng)關(guān)系曲面

網(wǎng)絡(luò)環(huán)境具有隨機(jī)性，為了保證FNN控制器與PD控制器可以在相同的網(wǎng)絡(luò)條件，相同的外部干擾下進(jìn)行控制性能的比較，本仿真系統(tǒng)將兩種控制器的輸出控制量打包在同一個模擬網(wǎng)絡(luò)數(shù)據(jù)包中進(jìn)行傳送[5]，如圖4所示。

圖4 網(wǎng)絡(luò)控制系統(tǒng)仿真圖

無外部網(wǎng)絡(luò)時延、無外部干擾時，F(xiàn)NN控制器與PD控制器的控制性能仿真對比曲線如圖5所示。

在傳感器、控制器與執(zhí)行器作用期間加入固定時延，并設(shè)置一定的干擾信號，仿真結(jié)果如圖6所示。

圖5 無時延和外界干擾時的仿真曲線

圖6 有時延和外界干擾時的仿真曲線

從上述兩種仿真結(jié)果來看，PD控制器的超調(diào)量較大，穩(wěn)定時間長。FNN控制器雖然也出現(xiàn)了超調(diào)現(xiàn)象，但是相對較小，因此相對穩(wěn)定性較好，對外部擾動能起到較好的抑制效果。

4 結(jié)語

結(jié)合了模糊控制與神經(jīng)網(wǎng)絡(luò)的優(yōu)點，設(shè)計了一個滿足控制要求的FNN控制器。通過與傳統(tǒng)PD控制相比較，可知FNN控制器對擾動有明顯的抑制作用，具有極強(qiáng)的魯棒性。