基于径向基神经网络的阀控液压缸滑模控制方法技术

本发明专利技术公开了一种基于径向基神经网络的阀控液压缸滑模控制方法，它包括a.设定神经网络权值初始值及切换函数系数；b.输入给定值；c.测量输出值；d.计算误差及切换函数；e.计算控制量；f.调整神经网络权值；g.控制器输出控制量驱动阀控液压缸并重新执行步骤c至h。本发明专利技术得到的伺服电机调节的冷镦机，排除了传统使用线性化分析模拟非线性控制过程的阀控液压缸1控制方式，而采用神经网络及滑模控制方式，对阀控液压阀的输入和输出直接进行控制接近，消除了既有的系统误差，提高了控制精度。提高了控制精度。提高了控制精度。

【技术实现步骤摘要】
基于径向基神经网络的阀控液压缸滑模控制方法


[0001]本专利技术涉及一种控制方法，特别是一种基于径向基神经网络的阀控液压缸滑模控制方法。

技术介绍

[0002]现有阀控液压缸控制方法，通常采用泰勒级数等数学方式，将阀控液压缸负载流量、输出位移及负载输出的非线性参数关系近似转换为线性方程，再对线性方程进行参数运算控制，从而达到对阀控液压缸的控制目的，然而该方式不可避免地存在较大的系统误差，而提高控制精度时，就需要使线性展开式保留更多项，导致提高精度时的计算量增速极大，计算成本和效率限制了高精度控制的实现。

技术实现思路

[0003]本专利技术的目的是为了解决上述现有技术的不足而提供一种提高精度的基于径向基神经网络的阀控液压缸滑模控制方法。
[0004]为了实现上述目的，本专利技术所设计的基于径向基神经网络的阀控液压缸滑模控制方法，它采用包括以下步骤的方式对径向基神经网络进行调整，并最终通过径向基神经网络输出的控制量对阀控液压缸进行控制：
[0005]a.在阀控液压缸的控制阀上连接控制器，在控制器中接入径向基神经网络，并设定神经网络权值的初始值W0及切换函数系数c；
[0006]b.向控制器输入阀控液压缸给定值r(t)，给定值代表对阀控液压缸位移输出的要求；
[0007]c.通过传感器测量当前阀控液压缸输出值y(t)
[0008]d.控制器计算两者误差e(t)＝r(t)
‑
y(t)以及切换函数y(t)以及切换函数其中c为切换函数系数；
[0009]e.计算控制量u(t)；控制量公式为：
[0010]式中m为径向基神经网络的隐含层神经元个数，b
j
是径向基函数所用核函数的宽度参数，c
j
则代表核函数中心点；
[0011]f.调整神经网络权值w
j
，调整方式为：
[0012]Δw
j
＝α
·
s(t)
·
h
j
(s)；
[0013]式中α为学习系数，s是切换函数s(t)在各公式中的简化写法；
[0014]g.控制器通过输出控制量u(t)控制阀控液压缸运作，并重复步骤c至h，直至输出值y与给定值r的误差落入预先设定的误差范围内。
[0015]本专利技术得到的基于径向基神经网络的阀控液压缸滑模控制方法，排除了传统使用线性化分析模拟非线性控制过程的阀控液压缸控制方式，而采用神经网络及滑模控制方式，对阀控液压阀的输入和输出直接进行控制接近，消除了既有的系统误差，提高了控制精度。
附图说明
[0016]图1是本专利技术基于径向基神经网络的阀控液压缸滑模控制方法实施例1的流程图；
[0017]图2是实施例1的控制框图；
[0018]图3是实施例1中采用的阀控液压缸原理图。
[0019]图中：阀控液压缸1、控制阀2。
具体实施方式
[0020]为更进一步阐述本专利技术为实现预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术的具体实施方式、结构、特征及其功效，详细说明如后。
[0021]实施例1：
[0022]本实施例描述的基于径向基神经网络的阀控液压缸滑模控制方法，如图1所示，它采用包括以下步骤的方式对径向基神经网络进行调整，并最终通过径向基神经网络输出的控制量对阀控液压缸1进行控制：
[0023]a.在阀控液压缸1的控制阀2上连接控制器，在控制器接入径向基神经网络，并设定神经网络权值的初始值W0及滑模控制的切换函数系数c；
[0024]b.向控制器输入阀控液压缸1给定值r(t)，给定值代表对阀控液压缸1位移输出的要求；
[0025]c.通过传感器测量当前阀控液压缸1输出值y(t)
[0026]d.控制器计算两者误差e(t)＝r(t)
‑
y(t)以及切换函数y(t)以及切换函数其中c为切换函数系数，其初始值已在步骤a中给出；
[0027]e.计算控制量u(t)；控制量公式为：
[0028]式中m为径向基神经网络的隐含层神经元个数，b
j
是径向基函数所用核函数的宽度参数，c
j
则代表核函数中心点；初始值W0是由多个w
j
的初始值组成的向量，步骤a中设定初始值W0意味着在步骤a中预先给定一组w
j
的初始值，初次执行步骤u时，将步骤a中指定的初始值W0代入上式的w
j
中。
[0029]f.调整神经网络权值w
j
，调整方式为：
[0030][0031]式中α为由人工选择的学习系数，s是切换函数s(t)在各公式中的简化写法；
[0032]g.控制器通过输出控制量u(t)控制阀控液压缸1运作，并重复步骤c至h，直至输出值y与给定值r的误差落入预先设定的误差范围内。
[0033]在实际工作过程中，可预先采用训练集对径向基神经网络进行训练，而后将包含有该径向基神经网络的控制器与实际的阀控液压缸1连接，再通过位移传感器，对神经网络进行调参，最终实现高精度控制的目的。
[0034]通过上述流程完成基于径向基神经网络的阀控液压缸数学模型建立后，能够保障使用精度，同时在长期使用中，不断优化神经网络模型，从而实现对阀控液压缸1的高精度控制，阀控液压缸1的数学模型表达式为：其中y(t)代表阀控液压缸1的位移输出，u(t)代表径向基神经网络输出的控制量，该控制量可以为控制阀2的供油参数，如图1所示，本实施例中的阀控液压缸1采用三凸肩四通滑阀作为控制阀2，对应所述的控制量采用外部供油设备对控制阀2的供油压力p
s
，步骤g中，通过控制供油设备对控制阀2的供油压力，可以实现对阀控液压缸1的位移输出控制；b和z则代表常数，t则代表时间变量。
[0035]本实施例提供的基于径向基神经网络的阀控液压缸滑模控制方法，排除了传统使用线性化分析模拟非线性控制过程的阀控液压缸1控制方式，而采用神经网络的滑模控制方式，对阀控液压阀的输入和输出直接进行控制接近，消除了既有的系统误差，提高了控制精度。
[0036]以上所述，仅是本专利技术的较佳实施例而已，并非对本专利技术作任何形式上的限制，虽然本专利技术已以较佳实施例揭示如上，然而并非用以限定本专利技术，任何本领域技术人员，在不脱离本专利技术技术方案范围内，当可利用上述揭示的
技术实现思路
做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本专利技术技术方案内容，依据本专利技术的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本专利技术技术方案的范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于径向基神经网络的阀控液压缸滑模控制方法，它的特征是采用包含以下步骤的方式对径向基神经网络进行调整，并最终通过径向基神经网络输出的控制量对阀控液压缸(1)进行控制：a.在阀控液压缸(1)的控制阀(2)上连接控制器，在控制器中接入径向基神经网络，并设定神经网络权值的初始值W0及切换函数系数c；b.向控制器输入阀控液压缸(1)给定值r(t)，给定值代表对阀控液压缸(1)位移输出的要求；c.通过传感器测量当前阀控液压缸(1)输出值y(t)；d.控制器计算两者误差e(t)＝r(t)
‑
y(t...

【专利技术属性】
技术研发人员：张智焕，夏庆华，张晟，
申请(专利权)人：浙大宁波理工学院，
类型：发明
国别省市：