.344 北京科技大学学报 1994年No.4 3学习控制机理分析 控制的基本作用有2个：一是调节，使最初的干扰以某种动态特性消除；二是跟踪，使受 控对象的输出渐近跟踪锁定值，本文自适应神经网络控制器中的两个神经元，除了各自的自 组织、自适应和自学习外，还相互关联，它是沿着 0={号[-x受[0-xe]} 相对应于W(t)(V,(t)的负梯度方向调整权重W,(c)(Y(),使E()最小，e(·)是数学期 望.只要E)≠0，W,(①(V,(t)就不断地进行调整，直到E(①)=0为止.这就保证了调节和跟 踪作用同时实现。 4 仿真结果 应用(9)~(25)式的算法对图1的板形板厚综合系统进行控制仿真，取M,=M,=d,=d2=0.5, k1=-0.18,k2=0.70,干扰值和期望值分2种如下： ①H(d)=2.75mm,△H,(t)=0.01mm,△oo(t)=0.01MPa,△o,(t)=0.01MPa,h(t)= 1.97mm. ②H(0=2.75+0.05P(t)mm; △H,(t)=0.01+0.01P(t)mm; △o(t)=0.01+0.01P(t)MPa; △c,(t)=0.01t+0.01P(t)MPa; h(t)=1.97+0.05Pc)mm. ①和②仿真结果见图4和图5 1,2m<t<2m+1,m=0,1,2,3,… 式中，P(t)= -1. 其他情况 (26) 2.5r 70.25 2.5 0.25 AGC 2.0 AGCI 0号 2.0 0.20 1.5 0.15 号 1.5 0.15 edW/'ov 岂 红 1.0 0.10 1.0 0.10 0.5 0.05 0.5H 0.05 口书照 AFC AFC 0.0 0.00 葡 0.0 0.00 ANN -ANN -0.5 ··PD」-0.05 -0.5 PID -0.05 0 0 2 4 控制时间【/s 控制时间t/s 图4神经网络板形板厚综合控制仿真结果 图5神经网络板形板厚综合控制仿真结果 Fig.4 Neural networks control stimulation results Fig.5 Neural networks control stimulation results for AFC/AGC for AFC/AGC科 北 京 科 技 大 学 学 报 卯 年 学 习控 制机理 分析 控制 的基 本 作用 有 个 一是 调节 ， 使最 初 的干 扰 以某种 动态特性消除 二是跟踪 ， 使受 控 对象 的输 出渐 近跟 踪 锁定 值 本文 自适 应神 经 网络控 制器 中的两个 神 经元 ， 除 了各 自的 自 组 织 、 自适 应和 自学 习外 ， 还相 互 关联 ， 它 是 沿着 “ 亡卜 · 鲁 “ 卜 小鲁「卜、 」 ’ 相 对应于 城 叱 的负梯 度方 向调 整 权 重 城 ， 使 石 最 小 · 是 数 学 期 望 只要 笋 ， 城 ‘ 就 不 断地 进行 调 整 ， 直到 为止 这就保证 了调节 和跟 踪作 用 同时实现 。 仿真结果 应 用 一 式 的算 法 对 图 的板形 板厚 综 合 系 统进行 控 制仿真 ， 取 叮，二 叮 二 二 ， ， 一 ， ， 干扰 值 和 期望 值分 种 如下 ① ， △ ， △ 。 ， ， · ② △ 。 △叮 ① 和 ② 仿真结 果 见 图 和 图 式 中 ， ，一 六 川 川 ， ， ， ， 其他 情 况 芝一 一 乐鞭翎只米刃口 仓住住 一巨创殴书乐枉口之 却 昌之一﹄ 万刀。 殴剑 ︸ 枉缪侧口一 一 六 ，、 《〕 二 … 毛 毛 、 尸 厂 ， 控 制时 问 叮 图 神经 网络板形板厚 综 合控 制 仿真 结 果 瑰 臼皿习 以柑州池 。 臼汉 创血 山丘用 肥刘七 俪 一 。 图 瑰 尸 《〕 ，愁卜月匕夕尸弓 一 八 矛尸一 一、 好 一 义－ 上 一 到 一 〕 一 控 制时 问 叮 神经 网络板形板厚综 合控 制仿真结果 皿 改狱川 叨由诩 戍七 肠 花， 七 阮