一种基于模糊径向基函数神经网络的自学习控制器  

A Self-learning Controller Based on Fuzzy Radial Basis Functi on Neural Networks

作　　者：党开放[1] 董霞[2] 林廷圻[2] 

机构地区：[1]北京化工大学机电学院,北京100029 [2]西安交通大学机械电子工程系,陕西西安710049

出　　处：《信息与控制》2004年第6期758-761,共4页Information and Control

基　　金：北京化工大学青年教师自然科学研究基金资助项目 (QN0 40 8)

摘　　要：提出了一种新型的基于模糊径向基函数 (RBF)的神经网络学习控制器 ,并应用于电液伺服系统 .由于RBF网络和模糊推理系统具有函数等价性 ,采用模糊经验值方法选取网络中心值和基函数数目 .与一般的神经网络自学习控制器不同 ,以系统动态误差作为网络输入量 ,RBF神经网络控制器学习的是整个系统的动态逆过程 ,因而控制性能明显提高 .对电液位置伺服系统的仿真和实验结果表明 。A new learning controller based on fuzzy radial b as is function neural networks is proposed and used in electrohydraulic servo syste m. Due to the function equivalence between RBF neural networks and fuzzy inferen ce system, fuzzy experience method is adopted to select the centers and the numb er of basis function networks. Unlike common neural network learning controller, the dynamic errors are served as the network input. The RBF neural networks lea rn dynamic inverse process of the whole system, so the control performance is im proved obviously. The results of simulation and experiment on an electrohydrauli c position servo system show that this control strategy can improve control prec ision and adaptive ability effectively.

关 键 词：径向基函数网络 神经网络学习控制 电液位置伺服系统 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]