神经网络在控制系统中的应用技术方案

一种神经网络控制系统和方法，包括与运载工具中的神经网络控制器通信的运载工具传感器。神经网络(NN)以至少两种模式运行：训练模式和控制模式。NN由至少五个包含多个神经元的计算层组成。传感器数据由NN控制器接收，并通过各层进行处理，其中每个神经元对传感器数据应用权重。在训练模式中，连续地调节权重，直到达到已知参考信号与设备输出之间的阈值差。在控制模式中，NN控制器连续且递归地发送控制信号，命令设备响应于传感器数据调节致动器位置，直到基本上消除传感器数据中的扰动。直到基本上消除传感器数据中的扰动。直到基本上消除传感器数据中的扰动。

【技术实现步骤摘要】
神经网络在控制系统中的应用


[0001]本公开涉及机动运载工具，更具体地说，涉及用于管理机动运载工具动力学的控制系统。

技术介绍

[0002]机动运载工具中的典型控制系统利用经典的比例积分微分(proportional integral derivative，PID)和/或模型预测控制(model predictive control，MPC)方法来解决机动运载工具内的控制问题。经典的PID和MPC系统和方法需要精确的调谐、强处理能力和大量的处理时间。同样，当处理不同于预期值范围的输入信号时和/或当需要PID和/或MPC系统和方法处理来自多个输入/输出系统的数据时，经典的PID和/或MPC系统和方法会变得不准确。类似地，经典的PID和MPC系统和方法在用于解决无法用精确的数学模型准确表示的复杂非线性现实世界问题时，会产生不可预测的结果。
[0003]因此，尽管当前用于管理机动运载工具动力学的经典PID和MPC系统和方法实现了其预期目的，但是仍需要新的和改进的系统和方法，来提高机动运载工具控制系统计算的速度、便携性、处理能力和准确性，同时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于运载工具的神经网络控制系统，所述神经网络控制系统包括：一个或多个传感器，设置在所述运载工具上并检测运载工具状态信息和扰动；控制器，设置在所述运载工具内并且具有处理器、存储器和一个或多个输入输出(I/O)端口，所述I/O端口从一个或多个所述传感器接收输入数据；所述处理器执行存储在所述存储器中的编程控制逻辑，所述编程逻辑在具有多个计算层的神经网络(NN)中运行，所述编程控制逻辑包括：第一控制逻辑，用于接收参考信号，并且用于通过所述I/O端口从一个或多个所述传感器接收所述运载工具状态信息和所述扰动；第二控制逻辑，利用所述运载工具状态信息和所述扰动作为所述神经网络(NN)的计算层中的多个神经元的输入；第三控制逻辑，其中多个所述计算层中的每一个计算层中的神经元中的每一个神经元将预定权重应用于所述运载工具状态信息和所述扰动；第四控制逻辑，用于生成控制信号作为NN输出；第五控制逻辑，用于在设置在所述运载工具上的设备内，接收所述NN输出和所述扰动；第六控制逻辑，用于基于所述控制信号和所述扰动，生成设备输出；第七控制逻辑，用于计算所述设备输出与所述参考信号之间的差值；以及第八控制逻辑，用于生成第二控制信号作为所述NN输出，所述第二控制信号基于所述参考信号、所述运载工具状态信息、所述扰动，以及所述设备输出与所述参考信号之间的差值；以及其中所述控制信号命令设置在所述机动运载工具上的一个或多个致动器改变位置，并且其中所述处理器连续且递归地执行所述第一控制逻辑、所述第二控制逻辑、所述第三控制逻辑、所述第四控制逻辑、所述第五控制逻辑、所述第六控制逻辑、所述第七控制逻辑和所述第八控制逻辑，以连续且主动地响应所述运载工具状态信息和所述扰动，并且基本上消除由一个或多个所述传感器检测到的任何扰动。2.根据权利要求1所述的用于运载工具的神经网络控制系统，其中所述运载工具状态信息包括：道路轮廓位移、道路轮廓速度、簧下质量位移、簧下质量速度、簧下质量加速度、簧上质量位移、簧上质量速度和簧上质量加速度。3.根据权利要求1所述的用于运载工具的神经网络控制系统，其中所述多个计算层还包括：第一层，具有第一数量的神经元并且生成第一输出；第二层，接收所述第一输出，所述第二层具有比所述第一数量的神经元少的第二数量的神经元并且生成第二输出；第三层，接收所述第二输出，所述第三层具有比所述第二数量的神经元少的第三数量的神经元并且生成第三输出；第四层，接收所述第三输出，所述第四层具有比所述第三数量的神经元少的第四数量的神经元并且生成第四输出；以及第五层，接收所述第四输出，所述第五层具有比所述第四数量的神经元少的第五数量的神经元并且生成第五输出，其中所述第五输出是所述控制信号。
4.根据权利要求1所述的用于运载工具的神经网络控制系统，其中所述控制器以至少两种模式运行，所述至少两种模式包括：训练模式；以及控制模式，其中在所述训练模式中，所述NN的神经元的权重彼此不同，并且所述权重被连续且递归地调节，直到满足所述参考信号与所述设备输出之间的阈值差；以及其中在所述控制模式中，所述设备输出导致一个或多个所述致动器改变位置。5.根据权利要求4所述的用于运载工具的神经网络控制系统，其中在所述训练模式中，所述NN的神经元中的每一个神经元具有随机化的权重，并且向所述神经元中的每一个神经元被馈送所述运载工具状态信息、所述扰动和所述参考信号，其中所述参考信号是一组已知值，并且所述NN输出是基于所述运载工具状态信息、所述扰动和所述参考信号的估计控制信号。6.根据权利要求5所述的用于运载工具的神经网络控制系统，其中所述控制信号和所述估计控制信号作为学习算法的输入，并且所述学习算法基于所述控制信号与所述估计控制信号之间的差值，递归地调节所述神经元的权重，直到所述参考信号基本上与所述设备输出相同。7.根据权利要求4所述的用于运载工具的神经网络控制系统，其中在所述控制模式中，响应于所述运载工具状态信息和所述运载工具所行驶的路面形状的扰动，所述控制信号连续且主动地命令主动悬架系统的一个或多个致动器改变位置。8.根据权利要求7所述的用于运载工具的神经网络控制系统，其中所述主动悬架系统包括：簧上质量，通过至少一个弹簧和至少一个阻尼器可移动地联接到簧下质量；所述簧下质量可移动地联接到至少一个车轮；所述车轮配备有具有弹簧系数和阻尼比的轮胎，以及其中所述弹簧、所述阻尼器、所述簧下质量和所述车轮中的一个或多个包括能够响应于所述控制信号改变位置的致动器。9.根据权利要求7所述的用于运载工具的神经网络控制系统，其中所述主动悬架系统包括：具有可调阻尼比的主动阻尼器、具有可调扭矩或扭力的主动防侧倾杆、具有可调弹簧刚度的主动弹簧、主动液压悬架系统中的泵和阀，以及主动气动悬架系统中的泵和阀。10.一种用于运载工具控制系统的神经网络控制方法，包括：通过设置在所述运载工具上的一个或多个传感器，检测运载工具状态信息和扰动；通过设置在运载工具内的控制器的一个或多个输入/输出(I/O)端口接收参考信号、运载工具状态信息和扰动，其中所述控制器具有处理器、存储器和所述I/O端口；所述处理器执行存储在所述存储器中的编程控制逻辑，所述编程逻辑在具有多个计算层的神经网络(NN)中运行；利用所述运载工具状态信息和所述扰动作为所述NN中的多个计算层中的多个神经元的输入；由所述多个计算层中的每一个计算层中的神经元中的每一个神经元将预定权重应用于所述运载工具状态信息和所述扰动；生成控制信号作为NN输出；
在设置在所述运载工具上的设备内接收所述NN输出和所述扰动；基于所述控制信号和所述扰动生成设备输出；计算所述设备输出与所述参考信号之间的差值；以及生成第二控制信号作为所述NN输出，所述第二控制信号基于所述参考信号、所述运载工具状态信息、所述扰动，以及所述设备输出与所述参考信号之间的差值；以及命令设置在所述运载工具上的一个或多个致动器改变位置；由所述处理器连续且递归地执行控制逻辑，以连续且主动地响应所述运载工具状态信息和所述扰动；...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：DUS营运股份有限公司，
类型：发明
国别省市：