基于六阶B-样条小波神经网络的控制系统校正方法技术方案

本发明专利技术为基于六阶B‑样条小波神经网络的控制系统校正方法。解决传统方法对实际工业对象校正效果差的问题。利用六阶B‑样条小波神经网络频谱特性进行校正，较之传统方法有着更加优异的校正效果。由控制系统校正前传递函数Ga(s)得到校正前的频率响应Ga(jω)，由控制系统校正后期望传递函数Gb(s)得到校正后的频率响应Gb(jω)，由控制系统反馈环节H(s)得到反馈环节的频率响应H(jω)，由Ga(jω)，H(jω)得到控制系统校正前开环频率特性，由Gb(jω)，H(jω)得到控制系统校正后期望开环频率特性，由G1(jω)，G2(jω)得到控制系统校正环节Gc(jω)，由Gb(s)，H(s)得到校正后系统带宽频率ωb，由ωb得到六阶B‑样条小波神经网络输入层权值2

【技术实现步骤摘要】
基于六阶B-样条小波神经网络的控制系统校正方法
：本专利技术与对实际工业控制系统的校正方法有关。
技术介绍
：控制系统的校正，就是在控制系统中加入一些其参数可以根据需要而改变的机构或者装置，使控制系统整个特性发生变化，从而满足给定的各项性能指标。PID控制器校正是控制系统校正的传统工具，其原理简单，使用方便，适应性强，鲁棒性强，其控制品质对被控对象的变化不太敏感，但是其精度低，对非线性校正效果不好。神经网络控制是20世纪80年代以来，由于人工神经网络研究所取得的突破性进展，与控制理论相结合，而发展起来的自动控制领域的前沿学科之一。它已成为智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。受小波变换和神经网络两者启发而产生的小波神经网络具有良好的非线性函数逼近能力。小波神经网络控制是将神经网络在相应的控制结构中当做控制器与辨识器，主要是为了解决复杂的系统控制问题，使控制系统稳定，鲁棒性好，具有要求的动态、静态特性。
技术实现思路
：本专利技术的目的是提供一种校正精度高、效果好的基于六阶B-样条小波神经网络的控制系统校正方法。本专利技术是这样实现的：1、基于六阶B-样条小波神经网络的控制系统校正方法，步骤如下：(1)由控制系统校正前传递函数Ga(s)得到校正前的频率响应Ga(jω)：控制系统校正前传递函数为Ga(s)，令s＝jω得到校正前的频率响应Ga(jω)，其中s为复变量，j为复数单位，ω为角频率，(2)由控制系统校正后期望传递函数Gb(s)得到校正后的频率响应Gb(jω)：控制系统校正后期望传递函数为Gb(s)，令s＝jω得到校正后的频率响应Gb(jω)，(3)由控制系统反馈环节H(s)得到反馈环节的频率响应H(jω)：控制系统反馈环节为H(s)，令s＝jω得到反馈环节频率响应H(jω)，(4)由Ga(jω)，H(jω)得到控制系统校正前开环频率特性：控制系统校正前开环频率特性表达式如下：其中，A1(ω)为G1(jω)的幅值|G1(jω)|，为G1(jω)的相角∠G1(jω)，(5)由Gb(jω)，H(jω)得到控制系统校正后期望开环频率特性：控制系统校正后期望开环频率特性表达式如下：其中，A2(ω)为G2(jω)的幅值G2(jω)，为G2(jω)的相角∠G2(jω)，(6)由G1(jω)，G2(jω)得到控制系统校正环节Gc(jω)：控制系统校正环节Gc(jω)表达式如下：(7)由Gb(s)，H(s)得到校正后系统带宽频率ωb：校正后控制系统闭环传递函数表达式如下：令s＝jω，得到校正后系统闭环频率响应GB(jω)，定义当闭环幅频特性下降到0.1|GB(j0)|时，对应的频率为校正后系统带宽频率ωb，(8)由ωb得到六阶B-样条小波神经网络输入层权值2J：六阶B-样条小波神经网络输入层权值2J求取公式如下：其中bω为依赖于六阶B-样条小波尺度函数的参数，bω＝3.14，(9)由2J得到六阶B-样条小波神经网络输出层权值CJ,k：六阶B-样条小波神经网络输出层权值CJ,k求取公式如下：其中k＝0,±1,±2...，M(ω)表达式如下：其中m＝0，±1，±2...，为六阶B-样条小波尺度函数，表达式如下：(10)由CJ,k得到控制系统校正环节表达式：六阶B-样条小波神经网络表达式fne(t)如下：其中t为自变量时间，φ(t)为的傅里叶反变换，计算得到的fne(t)即为控制系统的校正环节表达式。本专利技术利用MATLABR2016a进行实验仿真，取待校正的控制系统开环传递函数为取反馈环节均为1，可以将利用本专利技术得到的校正环节进行校正后得到的系统阶跃响应与传统方法校正后得到的系统阶跃响应进行比较，可以得到本专利技术校正后控制系统超调量为11.9％，而传统超前校正方法校正后控制系统超调量为46％，传统滞后校正方法校正后控制系统超调量为31％，均高于本专利技术方法。而且本专利技术校正方法不会改变原系统的增益，传统方法校正会影响响应速度与静态误差。本专利技术利用六阶B-样条小波神经网络频谱特性进行校正，较之传统方法有着更加优异的校正效果。附图说明：图1为校正前后控制系统框图。图2为本专利技术流程示意图。图3为六阶B-样条小波尺度函数图4为待校正控制系统的Bode图。图5为待校正控制系统的单位阶跃响应。图6为传统超前方法得到的校正后控制系统的Bode图。图7为传统超前方法得到的校正后控制系统的单位阶跃响应。图8为传统滞后方法得到的校正后控制系统的Bode图。图9为传统滞后方法得到的校正后控制系统的单位阶跃响应。图10为用本专利技术方法得到的校正后控制系统的Bode图。图11为用本专利技术方法得到的校正后控制系统的单位阶跃响应。具体实施方式：基于六阶B-样条小波神经网络的控制系统校正方法，其步骤如下：1、基于六阶B-样条小波神经网络的控制系统校正方法，步骤如下：(1)由控制系统校正前传递函数Ga(s)得到校正前的频率响应Ga(jω)：控制系统校正前传递函数为Ga(s)，令s＝jω得到校正前的频率响应Ga(jω)，其中s为复变量，j为复数单位，ω为角频率，(2)由控制系统校正后期望传递函数Gb(s)得到校正后的频率响应Gb(jω)：控制系统校正后期望传递函数为Gb(s)，令s＝jω得到校正后的频率响应Gb(jω)，(3)由控制系统反馈环节H(s)得到反馈环节的频率响应H(jω)：控制系统反馈环节为H(s)，令s＝jω得到反馈环节频率响应H(jω)，(4)由Ga(jω)，H(jω)得到控制系统校正前开环频率特性：控制系统校正前开环频率特性表达式如下：其中，A1(ω)为G1(jω)的幅值|G1(jω)|，为G1(jω)的相角∠G1(jω)，(5)由Gb(jω)，H(jω)得到控制系统校正后期望开环频率特性：控制系统校正后期望开环频率特性表达式如下：其中，A2(ω)为G2(jω)的幅值|G2(jω)|，为G2(jω)的相角∠G2(jω)，(6)由G1(jω)，G2(jω)得到控制系统校正环节Gc(jω)：控制系统校正环节Gc(jω)表达式如下：(7)由Gb(s)，H(s)得到校正后系统带宽频率ωb：校正后控制系统闭环传递函数表达式如下：令s＝jω，得到校正后系统闭环频率响应GB(jω)，定义当闭环幅频特性下降到0.1|GB(j0)|时，对应的频率为校正后系统带宽频率ωb，(8)由ωb得到六阶B-样条小波神经网络输入层权值2J：六阶B-样条小波神经网络输入层权值2J求取公式如下：其中bω为依赖于六阶B-样条小波尺度函数的参数，bω＝3.14，(9)由2J得到六阶B-样条小波神经网络输出层权值CJ,k：六阶B-样条小波神经网络输出层权值CJ,k求取公式如下：其中k＝0,±1,±2...，M(ω)表达式如下：其中m＝0，±1，±2...，为六阶B-样条小波尺度函数，表达式如下：(10)由CJ,k得到控制系统校正环节表达式：六阶B-样条小波神经网络表达式fne(t)如下：其中t为自变量时间，φ(t)为的傅里叶反变换，计算得到的fne(t)即为控制系统的校正环节表达式。本文档来自技高网...

【技术保护点】
1.基于六阶B‑样条小波神经网络的控制系统校正方法，步骤如下：(1)由控制系统校正前传递函数Ga(s)得到校正前的频率响应Ga(jω)：控制系统校正前传递函数为Ga(s)，令s＝jω得到校正前的频率响应Ga(jω)，其中s为复变量，j为复数单位，ω为角频率，(2)由控制系统校正后期望传递函数Gb(s)得到校正后的频率响应Gb(jω)：控制系统校正后期望传递函数为Gb(s)，令s＝jω得到校正后的频率响应Gb(jω)，(3)由控制系统反馈环节H(s)得到反馈环节的频率响应H(jω)：控制系统反馈环节为H(s)，令s＝jω得到反馈环节频率响应H(jω)，(4)由Ga(jω)，H(jω)得到控制系统校正前开环频率特性：控制系统校正前开环频率特性表达式如下：

【技术特征摘要】
1.基于六阶B-样条小波神经网络的控制系统校正方法，步骤如下：(1)由控制系统校正前传递函数Ga(s)得到校正前的频率响应Ga(jω)：控制系统校正前传递函数为Ga(s)，令s＝jω得到校正前的频率响应Ga(jω)，其中s为复变量，j为复数单位，ω为角频率，(2)由控制系统校正后期望传递函数Gb(s)得到校正后的频率响应Gb(jω)：控制系统校正后期望传递函数为Gb(s)，令s＝jω得到校正后的频率响应Gb(jω)，(3)由控制系统反馈环节H(s)得到反馈环节的频率响应H(jω)：控制系统反馈环节为H(s)，令s＝jω得到反馈环节频率响应H(jω)，(4)由Ga(jω)，H(jω)得到控制系统校正前开环频率特性：控制系统校正前开环频率特性表达式如下：其中，A1(ω)为G1(jω)的幅值|G1(jω)|，为G1(jω)的相角∠G1(jω)，(5)由Gb(jω)，H(jω)得到控制系统校正后期望开环频率特性：控制系统校正后期望开环频率特性表达式如下：其中，A2(ω)为G2(jω)的幅值|G2(jω)|，为G2(jω)的相...

【专利技术属性】
技术研发人员：张治国，施博文，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51