專利名稱：基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人工智能控制技術(shù)領(lǐng)域，更具體地，本發(fā)明涉及一種基于混沌 退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法及系統(tǒng)。
背景技術(shù)：
極值搜索系統(tǒng)(Extremum Seeking System)是一類廣泛存在于大眾的生產(chǎn) 和生活、工業(yè)控制及軍事應(yīng)用等領(lǐng)域的實際系統(tǒng)，例如燃氣渦輪的噴射引擎燃 燒室控制系統(tǒng)、汽車和飛機的剎車控制系統(tǒng)、飛機的緊密編隊飛行控制、管狀 反應(yīng)堆控制系統(tǒng)、以及人體鍛煉機控制系統(tǒng)，都屬于極值搜索系統(tǒng)的范疇。在 很多的實際極值搜索系統(tǒng)中，系統(tǒng)的參考輸入和輸出之間的參考軌跡很難被設(shè) 計者準(zhǔn)確知曉，而且由于系統(tǒng)模型的不確定性和參數(shù)時變的影響，最終導(dǎo)致參 考軌跡上極值點所對應(yīng)的搜索變量很難被確定。如何使極值搜索系統(tǒng)在受到不 確定性和參數(shù)時變的影響下，仍然能夠自適應(yīng)地找到參考軌跡的極值點，使被 控系統(tǒng)的性能發(fā)揮到最佳狀態(tài)，是一個長久困擾控制界學(xué)者的問題。極值控制 方法的出現(xiàn)與JL艮為解決此類實際的控制問題提供了一種有效的手段。
目前，針對極值搜索系統(tǒng)的極值控制方法主要集中于基于正弦激勵信號 的極值控制方法和滑才莫極值控制方法。由于在這兩類才及值控制方法中都采用正 弦周期信號作為系統(tǒng)的激勵信號，導(dǎo)致了被控系統(tǒng)的搜索信號中始終夾雜著小 振幅的正弦周期信號，從而不能使得被控系統(tǒng)的輸出值漸近收斂至所求的極值 點，造成在極值點附近的正弦波動現(xiàn)象；而且對于極值搜索系統(tǒng)的輸出函數(shù)存 在多個極值點的情況，上述兩類極值控制方法都無法確保被控系統(tǒng)的輸出值收 斂至它的全局極值點，因而導(dǎo)致極值搜索系統(tǒng)具有的最佳性能不能得到充分的 發(fā)揮，造成能源的浪費。極值控制方法所存在的這些缺陷，在一定程度上限制 了該方法在實際極值搜索系統(tǒng)中，以及函數(shù)優(yōu)化問題中的應(yīng)用。由于極值控制方法在工業(yè)生產(chǎn)和軍事應(yīng)用領(lǐng)域具有巨大的應(yīng)用潛力，能夠 極大地節(jié)約能源，最大限度的提高工業(yè)生產(chǎn)率和軍事戰(zhàn)斗力，為克服現(xiàn)有極值 控制方法的缺陷，研究新的極值控制方法具有非常重要的意義。發(fā)明內(nèi)容為克服現(xiàn)有極值控制方法的缺陷，本發(fā)明提供一種基于混沌退火和參數(shù)擾 動的神經(jīng)網(wǎng)絡(luò)極值控制方法及系統(tǒng)。根據(jù)本發(fā)明的一個方面，提供了 一種基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法，包括步驟10)、將極值搜索系統(tǒng)的控制問題轉(zhuǎn)化為求解此被控系統(tǒng)的輸出函數(shù) 中斜率為零的極值點問題；步驟20)、根據(jù)所述的極值點求解問題，構(gòu)造一對具有約束條件的對偶優(yōu) 化問題；步驟30)、根據(jù)所述的具有約束條件的對偶問題，建立一種基于混沌退火 和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法；步驟40)、通過所述的神經(jīng)網(wǎng)絡(luò)極值控制方法的求解，可以得到極值搜索 系統(tǒng)的輸出為全局才及值時所對應(yīng)的最優(yōu)搜索變量；步驟50)、根據(jù)所得的全局最優(yōu)的搜索變量，驅(qū)使極值搜索系統(tǒng)的輸出值 收斂至輸出函數(shù)的全局極值點，從而實現(xiàn)極值搜索系統(tǒng)的控制目的。其中，步驟20)進一步包括根據(jù)所述的極值點求解問題，確定一個具有 約束條件的最小化極值問題，應(yīng)用對偶控制理論，存在另一個具有約束條件的 最大化極值問題，從而形成一對具有約束條件的對偶問題。其中，步驟30)中的基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法包 括三個不同的搜索控制階段，具體包括步驟310)、此極值控制方法的初始階段屬于混沌退火搜索階段，利用Lorenz 模型產(chǎn)生的混沌噪聲，直接將其引入至具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)中，通過不斷衰減混沌噪聲的幅度與混沌噪聲的接受概率來實現(xiàn)混沌退火的搜索過程；步驟320 )、此極值控制方法的中間階段屬于參數(shù)擾動搜索階段，利用參數(shù)擾動策略，使神經(jīng)網(wǎng)絡(luò)的輸出值暫時擺脫初始搜索階段的收斂點的吸引，從而驗證初始的收斂點是否為全局極值點。通過參數(shù)擾動因子的逐漸衰減，使搜索過程逐漸進入極值控制方法的最終階段；步驟330 )、此極值控制方法的最終階段屬于神經(jīng)網(wǎng)絡(luò)搜索階段，利用神經(jīng)網(wǎng)絡(luò)自身的收斂性使極值搜索系統(tǒng)的搜索變量準(zhǔn)確和漸近地收斂至它的全局極值點。根據(jù)本發(fā)明的第二方面，提供了 一種基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò) 極值控制系統(tǒng)，包括模型仿真模式，用于確定基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方 法中的各種調(diào)節(jié)參數(shù)，驗證所述控制方法在不同極值搜索系統(tǒng)中的全局搜索和控制能力，拓展所述控制方法在各種函數(shù)優(yōu)化問題中的應(yīng)用；實時控制模式，通過多種不同的傳感器機構(gòu)測量出反映被控對象特性的狀 態(tài)量，并通過相應(yīng)的數(shù)據(jù)采集方式，將實測的狀態(tài)信息反饋回計算機中的實時 控制模式，利用所述控制方法，實時計算出相應(yīng)的控制信號，通過數(shù)據(jù)驅(qū)動裝 置、數(shù)模轉(zhuǎn)換裝置和信號放大裝置，最終將控制信號提供給執(zhí)行機構(gòu)，用于控 制極值搜索被控對象的輸出值，使之漸近收斂至輸出函數(shù)的全局極值點。其中，所述模型仿真模式和實時控制模式不僅對已保存的極值搜索系統(tǒng)具 有極值控制能力，而且可以擴展接受新的極值搜索系統(tǒng)模型，并對其進行極值 控制。其中，由所述實時控制模式構(gòu)成的實時極值搜索控制系統(tǒng)進一步包括多 通道傳感器機構(gòu)、數(shù)據(jù)采集模塊、數(shù)字信號驅(qū)動機構(gòu)、數(shù)模轉(zhuǎn)換機構(gòu)、電壓與 功率放大器以及執(zhí)行機構(gòu)。其中，所述實時極值搜索控制系統(tǒng)中，多通道傳感器機構(gòu)與極值搜索控制 對象相連接，用于測量反映被控對象特性的狀態(tài)量，包括溫度、壓力、距離、轉(zhuǎn)速、角度等狀態(tài)信號；數(shù)據(jù)采集模塊，位于多通道傳感器機構(gòu)與所述實時控 制模式(控制器)之間，用于采集不同的測量信號，并對采集到的測量信號完 成模數(shù)轉(zhuǎn)換后，提供給實時控制模式；數(shù)字信號驅(qū)動機構(gòu)與所述實時控制模式 相連接，用于提高數(shù)字信號的遠距離傳輸能力；數(shù)模轉(zhuǎn)換機構(gòu)與數(shù)字信號驅(qū)動 機構(gòu)相連接，用于將數(shù)字信號轉(zhuǎn)換為模擬信號；電壓、功率放大器與數(shù)模轉(zhuǎn)換 機構(gòu)相連接，用于將轉(zhuǎn)換后的模擬信號進行適當(dāng)?shù)碾妷汉凸β史糯?；?zhí)行機構(gòu) 與電壓、功率放大器相連接，用于接受控制信號，執(zhí)行相應(yīng)的操作，完成對極 值搜索控制對象的輸出極值控制。 日j的極值搜索被控系統(tǒng)的輸出信號，計算得到相應(yīng)的搜索信號和控制信號，驅(qū)使 被控系統(tǒng)的輸出值準(zhǔn)確和漸近地收斂至所求的全局極值點；對于不同的函數(shù)優(yōu) 化問題，也可應(yīng)用所述控制方法；所述控制方法能夠最大限度地節(jié)約能源，充 分發(fā)揮被控系統(tǒng)的性能，有助于發(fā)展節(jié)約型的生產(chǎn)模式。


圖1為基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法及系統(tǒng)的Matlab 軟件主界面圖；圖2為基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制系統(tǒng)中的模型仿真模 式的主界面圖；圖3為基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制系統(tǒng)中的實時控制模式的主界面圖；圖4為實時極值搜索控制系統(tǒng)的組成框架圖；圖5為Schaffer函數(shù)的輸出值與自變量之間的取值分布圖；圖6為分別采用基于混沌退火和M擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法與基于滑模變結(jié)構(gòu)的極值控制方法時的Schaffer函數(shù)的輸出值仿真對比圖；滑模變結(jié)構(gòu)的極值控制方法時的二階Schaffer函數(shù)的狀態(tài)變量;c,仿真對比圖8為分別采用基于混沌退火和M擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法與基于 滑模變結(jié)構(gòu)的極值控制方法時的二階Schaffer函數(shù)的狀態(tài)變量^仿真對比圖9為采用基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制系統(tǒng)中的模型仿 真模式在三階系統(tǒng)Branin輸出函數(shù)模型中的仿真結(jié)果；
圖10為三階系統(tǒng)Branin輸出函數(shù)模型中三個狀態(tài)變量的仿真結(jié)果;
圖11為采用基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制系統(tǒng)中的模型仿 真模式在四階系統(tǒng)Six-Hump輸出函數(shù)模型中的仿真結(jié)果；
圖12為四階系統(tǒng)Six-Hump輸出函數(shù)才莫型中四個狀態(tài)變量的仿真結(jié)果；
圖13為分別采用基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法和基于 正弦激勵信號的極值控制方法在無人機緊密編隊飛行中相鄰機翼高度差的仿真 對比正弦激勵信號的極值控制方法在無人機緊密編隊飛行中相鄰機翼橫向距離差的 仿真對比正弦激勵信號的極值控制方法在無人機緊密編隊飛行中僚機所獲得的上洗力仿
真對比圖和局部放大對比圖16為采用自適應(yīng)控制方法時航空發(fā)動機平均燃空比值f的仿真結(jié)果； 圖17為采用自適應(yīng)控制方法時航空發(fā)動機燃燒室內(nèi)振蕩壓力《的仿真結(jié)
果；
圖18為采用基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法時航空發(fā)動 機平均燃空比值f的仿真結(jié)果；
圖19為釆用基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法時航空發(fā)動 機燃燒室內(nèi)振蕩壓力尸￡的仿真結(jié)果。
具體實施方式
下面結(jié)合附圖和具體實施例對本發(fā)明提供的一種基于混沌退火和參數(shù)擾動 的神經(jīng)網(wǎng)絡(luò)極值控制方法及系統(tǒng)作詳細描述。本發(fā)明提出的 一種基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法，用 來控制極值搜索系統(tǒng)，使其輸出值準(zhǔn)確和漸近地收斂至輸出函數(shù)的全局極值點， 提高了原有極值控制方法的搜索能力和穩(wěn)定效果。從實現(xiàn)來看，基于混沌退火動的神經(jīng)網(wǎng)絡(luò)極值控制方法設(shè)計和混沌退火設(shè)計三部分，其中基于參數(shù)擾動的 神經(jīng)網(wǎng)絡(luò)極值控制方法設(shè)計和混沌退火設(shè)計是本發(fā)明方法的關(guān)鍵。所述方法的 具體實現(xiàn)可以存放于系統(tǒng)中的一個控制模塊。所述控制模塊根據(jù)反饋接受極值 搜索被控系統(tǒng)的實測信號，利用所述控制方法，實時解算出相應(yīng)的極值控制信根據(jù)一般極值搜索系統(tǒng)詳述本發(fā)明所提出的方法。 一、極值搜索機制設(shè)計考慮一類極值搜索系統(tǒng)的狀態(tài)方程和輸出函數(shù)為其中，JceR"， j/e股"和;veR分別表示系統(tǒng)的狀態(tài)向量，控制向量和輸出值。 /(x(f),"0)是系統(tǒng)的狀態(tài)方程，尸(x(W是系統(tǒng)的輸出函數(shù)。在使用基于正弦激 勵信號和基于滑模變結(jié)構(gòu)的極值控制方法中，F(xiàn)(xW)要求只能具有一個極值點， 因為 一旦F(x(f))具有多個極值點時，這些方法就不能保證極值搜索系統(tǒng)的輸出 值收斂至輸出函數(shù)F(x(f))的全局極值點。而本發(fā)明所述方法研究的極值搜索系 統(tǒng)的輸出函數(shù)F(;cG》可以具有多個極值點。由于極值搜索系統(tǒng)(1)是可控系統(tǒng)，那么 一定存在控制律"(f) = A^),W可以穩(wěn)定此系統(tǒng)，其中04《,《，…，A]e股""是此系統(tǒng)的搜索向量。將控制律
t^卜yff(JC^")代入系統(tǒng)的狀態(tài)方程，可知當(dāng)系統(tǒng)穩(wěn)定時， 一定存在如下關(guān)系
/(jc斥,李0e;c-剩 (2) 其中，/:iT^/ "是光滑函數(shù)。將(2)式代入到極值搜索系統(tǒng)的輸出函數(shù)，可 以得到新的輸出函數(shù)關(guān)系
<formula>formula see original document page 10</formula> (3)
在極值搜索系統(tǒng)中至少存在一組極值向量w =[《，《，...,《]r eir ，使得系統(tǒng)
的輸出值y收斂至輸出函數(shù)的極值點/，因而，依據(jù)數(shù)學(xué)的微分理論，存在如下
關(guān)系
湖
<formula>formula see original document page 10</formula>
并且，3，。()("〈o或者3，。()K
>0
膽 膽
將輸出函數(shù)(3)兩端對時間求微分后，可以得到下式:
(4)
其中，3^W)=
3《 W 眠 在極值搜索系統(tǒng)的控制中，要求被控對象的輸出值y收斂于其極值點/， 那么也即是要求搜索向量0必須收斂于它的極值向量<9'，從而才能使得系統(tǒng)輸出 滿足/=(尸。/)(^)。 一旦搜索向量^收斂于它的極值向量W處時，那么輸出函
數(shù)對于向量e各分量的偏導(dǎo)數(shù)的絕對值la(。l將等于零。本發(fā)明提出的基于混沌
退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法的目的就是使|3(0|的各個分量在最短
的時間都收斂至各自的最小值，當(dāng)然這一優(yōu)化過程必須受到(4)式的約束。 因此，可以將極值搜索控制問題轉(zhuǎn)化為<formula>formula see original document page 11</formula>(5)最小化目標(biāo) |^("| '約束條件考慮到條件^(0-(3(W|3(0)|=O，可將(5)式抽象為(6)式，然后即可[最小化目標(biāo) =L約束條件^(U) = Ml>-6 = 0<formula>formula see original document page 11</formula>(6)6 =其中，<formula>formula see original document page 11</formula>根據(jù)對偶性原理(所屬技術(shù)領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)清楚線性控制理論中 的對偶性原理)，上述極值搜索問題存在如下的對偶形式[最大化目標(biāo) g2(W)-67^ L約束條件/ 2(w)-M7^-c = 0<formula>formula see original document page 11</formula>(7)其中，"2化]L為"的對偶變量。通過上述分析， 一個極值搜索系統(tǒng)的極值控制問題可以轉(zhuǎn)化為在滿足如 (6)式和(7)式所示的約束條件下，應(yīng)用所設(shè)計的基于混沌退火和參數(shù)擾動的神 經(jīng)網(wǎng)絡(luò)使得g^和&(")最優(yōu)化的問題。這種極值搜索機制的設(shè)計，可以在不采用正弦激勵信號或者滑模變結(jié)構(gòu)環(huán)節(jié)的搜索機制的情況下，應(yīng)用基于混沌退火 和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法保證極值搜索系統(tǒng)的輸出值準(zhǔn)確和平滑地 收斂至輸出函數(shù)的全局極值點，消除系統(tǒng)狀態(tài)變量和輸出量的波動現(xiàn)象，同時 提高極值搜索算法的全局極值搜索能力。二、具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法設(shè)計本發(fā)明設(shè)計的具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法是將參數(shù)擾動項W 直接$I入到神經(jīng)網(wǎng)絡(luò)的能量函數(shù)之中，通過對神經(jīng)網(wǎng)絡(luò)才及值控制方法的設(shè)計，參數(shù)擾動項DW的影響將直接關(guān)系到神經(jīng)網(wǎng)絡(luò)輸出值的穩(wěn)定性和最優(yōu)性。
設(shè)計具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)的能量函數(shù)為
￡(^) = ^(,)(g|(u)-g )24|A(,2+^P 『 (8)
其中，I II表示函數(shù)的Euc 1 id范數(shù)，擾動參數(shù)的數(shù)學(xué)形式D(O釆用DW =，-"' 或者DW-y(l +《"，且">1, />0和;7>0都是設(shè)計變量。通過調(diào)節(jié)a、 /和/7的 可以改變擾動員Z)(O對神經(jīng)網(wǎng)絡(luò)的影響。
具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法的動態(tài)方程定義為沿能量函數(shù)(8) 式梯度的負方向遞減，具體形式為
苦=-辟) (9)
其中，向量t7-(U,fi071 ,V五((7)表示能量函數(shù)五(C7)的梯度，//是比例系數(shù)， 且為正數(shù)，通過調(diào)節(jié)//可以改變具有參數(shù)擾動神經(jīng)網(wǎng)絡(luò)的收斂速度。令"p "2分
別表示神經(jīng)元的內(nèi)部狀態(tài)變量，其具體形式為
<formula>formula see original document page 12</formula> (13) 其中，u和w是此神經(jīng)網(wǎng)絡(luò)的輸出向量，",和"2分別是與u和份具有同維的 向量，《()表示具有S型的激活函數(shù)，S型激活函數(shù)的具體形式為
<formula>formula see original document page 12</formula>此神經(jīng)網(wǎng)絡(luò)的單元之間的權(quán)連接矩陣為<formula>formula see original document page 13</formula>,通過改變比例系數(shù)//，可以調(diào)節(jié)權(quán)連接矩陣和閾值向量的大小。三、基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法設(shè)計 為了使得本發(fā)明所述的控制方法對于具有任意形式輸出函數(shù)的極值搜索系 統(tǒng)都具有良好的全局極值搜索能力，在上述具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法的基礎(chǔ)上引入了混沌退火環(huán)節(jié)。應(yīng)用Lorenz^^莫型產(chǎn)生混沌噪聲，并將其引 入到上述具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)中，作為神經(jīng)網(wǎng)絡(luò)的混沌退火環(huán)節(jié)。利用混 沌的隨機性和遍歷性，提高神經(jīng)網(wǎng)絡(luò)的全局搜索能力。通過理論分析證明基 于混沌退火和M擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法能夠以概率1漸近收斂至(6)式 和(7)式的極值問題的全局最優(yōu)解?；诨煦缤嘶鸷?擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法的具體形式為<formula>formula see original document page 13</formula><formula>formula see original document page 14</formula>其中，《(0,(/ = 1，2)表示混沌噪聲的接受概率，且始終i^)^0， u' = ^， ' = ^， A:,是Boltzmann常數(shù)，r是退火溫度，r。是初始的退火溫度，
參數(shù)randnum則表示在k，l]之間的隨機數(shù)，ra e
為最低置信度。r々)是混沌噪 聲的影響系數(shù)，且始終r,々)20， K((X;^l)表示混沌噪聲的影響系數(shù)r々)的衰減 因子。s一0和s一0是輸出向量u和w的增益系數(shù)。Lorenz模型映射如(23)式所
示，當(dāng)^=10, ^-28和Cc-^時，(! = 1，2,3)將呈現(xiàn)混沌狀態(tài)。h,A]和[^,A]
表示混沌狀態(tài)& W和& W運動空間的范圍，其范圍大小的選^^根據(jù)極值搜索問 題的不同而不同， 一般選擇其大小滿足神經(jīng)網(wǎng)絡(luò)未引入混沌退火時狀態(tài)變量Ml和 "2最大變化率的10%,且關(guān)于零點對稱，因此Lorenz模型被作為基于混沌退火 和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法中混沌退火產(chǎn)生的機制。擾動參數(shù)項A W和A W的選取如(16)和(17)式所示，其中C表示正常數(shù)。 雖然擾動參數(shù)項Z)々)是某一正常數(shù)，這并不會影響所設(shè)計神經(jīng)網(wǎng)絡(luò)的收斂性。 與上述所設(shè)計的具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)(如(IO) ~ (13)式)相比，此基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)只是引入了混沌噪聲項r,(,)和義=1，2),它們的引入增強了神經(jīng)網(wǎng)絡(luò)的全局搜索能力。/^)是混沌退火的接受概率，隨著時 間的遞增，接受概率《w呈現(xiàn)遞減。在基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法的運行初始階段，利用Lorenz模型產(chǎn)生的混沌噪聲影響神經(jīng)網(wǎng)絡(luò)輸出值的搜索能力，使得神經(jīng)網(wǎng)絡(luò) 輸出具有遍歷性，隨著時間的遞增，接受概率i^)一定會小于最低置信度r。，此 時由(14) ~ (24)式所定義的基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)就逐漸進化為 由(IO) ~ (13)式所定義的具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)形式；利用擾動參數(shù)AW的 影響，使神經(jīng)網(wǎng)絡(luò)的輸出值暫時擺脫初始搜索階段的收斂點的吸引，可以驗證 初始的收斂點是否為全局極值點；隨著時間的遞增，擾動參數(shù)A(,)也將收斂為零，其作用將逐漸減小直至可以忽略，此時具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)就逐漸進 化為一般的遞歸神經(jīng)網(wǎng)絡(luò)，利用神經(jīng)網(wǎng)絡(luò)自身的收斂性使得極值搜索系統(tǒng)的輸 出值準(zhǔn)確和漸近地收斂至它的全局極值點。以上介紹了本發(fā)明所述控制方法的主要設(shè)計過程，下面根據(jù)本發(fā)明的具體 ^郎絡(luò)極值控制系統(tǒng)。圖1所示，包括兩種模式模型仿真模式和實時控制模式。其中，模型仿真模 式的主界面如圖2所示，實時控制模式的主界面如圖3所示，實時極值搜索控 制系統(tǒng)的組成框架圖如圖4所示，此圖包含了實時極值搜索控制系統(tǒng)中各功能 模塊的組成與連接關(guān)系，以及系統(tǒng)中信號的流向。基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制系統(tǒng)中的模型仿真模式已經(jīng)包括二階系統(tǒng)Schaffer輸出函數(shù)模型、三階系統(tǒng)Branin輸出函數(shù)模型、四 階系統(tǒng)Six-Hump輸出函數(shù)模型、無人機緊密編隊飛行控制、航空發(fā)動機燃燒主 動控制、飛行器平衡狀態(tài)解算、納什均衡解問題，這七個仿真實例。對于其中 沒有錄入的仿真實例，可以采用本系統(tǒng)的模型仿真模式中"仿真模型輸入?yún)^(qū)" 進行重新錄入，從而可以利用本發(fā)明所述的控制方法完成仿真-驗證。利用界面 中的"參數(shù)調(diào)節(jié)"彈出框可以對本發(fā)明所述控制方法中的各個參數(shù)進行調(diào)節(jié)。 基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制系統(tǒng)中的實時控制模式，主要根 據(jù)實際的極值搜索被控對象的模型進行實時的過程控制，模型輸入和參數(shù)調(diào)節(jié) 過程分別通過"極值搜索系統(tǒng)模型輸入?yún)^(qū)"和"參數(shù)調(diào)節(jié)"完成。以下實施例 將主要應(yīng)用本發(fā)明所述系統(tǒng)中的模型仿真模式。 1、實施例1
針對一個具有Schaffer輸出函數(shù)的二階極值搜索系統(tǒng)，其具體形式為
<formula>formula see original document page 16</formula> —0.5 (26) |_1 + 0扁(<+^)」
系統(tǒng)采用控制律為
{wi=xi-《-x2 (27) w2 = jc2 - 2《
已知此Schaffer輸出函數(shù)具有一個全局極小值點min(:v(^x2))-:^0，0)--l, 在距離此全局極值點大約3.14范圍內(nèi)存在無窮多個局部極小值將其包圍，并且 此輸出函數(shù)存在強烈振蕩，當(dāng)系統(tǒng)的狀態(tài)變量滿足-10^i,;c^lO時，輸出函數(shù) ;^/h，;0的取值分布圖如圖5所示。 一般的控制搜索方法4艮難得到它的全局極
值解。分別采用本發(fā)明提出的控制方法和基于滑模變結(jié)構(gòu)的極值控制方法控制 上述二階極值搜索系統(tǒng)，狀態(tài)變量和輸出值的仿真對比結(jié)果如圖6、 7和8所示。 通過仿真結(jié)果可知，采用本發(fā)明提出的控制方法使得極值搜索系統(tǒng)的狀態(tài)變量和輸出值都能夠較快地收斂于其全局極值點，并且輸出值收斂于全局極值點后
并不存在波動現(xiàn)象；而基于滑模變結(jié)構(gòu)的極值控制方法不能穩(wěn)定極值搜索系統(tǒng) 的狀態(tài)變量和輸出值，且輸出值不能收斂于它的全局才及值點。 2、實施例2
采用本發(fā)明所述系統(tǒng)的才莫型仿真模式完成對具有Branin輸出函數(shù)的三階極 值搜索系統(tǒng)的極值控制任務(wù)，此極值搜索系統(tǒng)的模型描述為
<formula>formula see original document page 17</formula>
系統(tǒng)采用控制律為
<formula>formula see original document page 17</formula>
已知此輸出函數(shù)存在三個全局極小值點，最終輸出函數(shù)的輸出值都是相同
的，即min;^0.3978。采用本發(fā)明提出的仿真軟件可以得到此極值搜索系統(tǒng)的仿 真結(jié)果，如圖9、 10所示。通過仿真結(jié)果可知，此三階系統(tǒng)能夠根據(jù)初始點的 位置搜索到距離自身最近的全局極值點，并且系統(tǒng)的輸出值收斂于此全局極值 點后不存在正弦波動現(xiàn)象。 3、實施例3
采用本發(fā)明所述系統(tǒng)的模型仿真模式完成對一個具有Six-Hump Camel-Back 輸出函數(shù)的非線性四階極值搜索系統(tǒng)的極值控制任務(wù)，此極值搜索系統(tǒng)的模型 描述為
<formula>formula see original document page 17</formula>系統(tǒng)采用控制律為
K = x, -2《+ 2a:3 + x4 (33) w2 = 0.25x， + 2jc2 - 02 +1.5x:3
已知上述四階極值搜索系統(tǒng)具有較強的非線性，同時此輸出函數(shù)存在六個 局部極小值點和二個全局極小值點，且輸出函數(shù)的最小值為min;^-1.0316，此 函數(shù)經(jīng)常作為評定優(yōu)化方法優(yōu)劣的測試函數(shù)?；诒景l(fā)明所述控制方法，得到 此非線性四階極值搜索系統(tǒng)的仿真結(jié)果如圖11、 12所示。通過仿真結(jié)果可知， 此極值搜索系統(tǒng)的狀態(tài)量仍然能夠迅速地搜索到距離初始位置最近的全局極值 點，并且被控系統(tǒng)的輸出值穩(wěn)定后不存在正弦波動問題。
4、實施例4
針對一組由兩架無人機組成的緊密飛行編隊的簡化后模型，如下式所示。
<formula>formula see original document page 18</formula>
(34)
其輸出方程為
々)= )2-5(;c3(,)+9)2+590 (35)
其中，A和A分別表示兩架無人機的相鄰機翼在垂直方向上的距離差和在 橫向上的距離差，^和A則分別表示兩架無人機在垂直方向上的速度差和在橫 向上的速度差，輸出值y表示僚機在長機的尾流場中受到的上洗力。顯然，上述 緊密編隊飛行模型具有的全局極值點是當(dāng)《=0和《=-9時，最大上洗力為 /=590。
此系統(tǒng)采用控制律為
"i-20(《-a)-9x2 (36) w2 =35(02 —;c3)-15;x:4
分別采用本發(fā)明提出的控制方法和基于正弦激勵信號的極值控制方法控制 上述無人機緊密編隊飛行系統(tǒng)，狀態(tài)變量和輸出值的仿真對比結(jié)果如圖13、 14 和15所示。通過仿真對比結(jié)果可知，采用本發(fā)明提出的控制方法使得極值搜索 系統(tǒng)的狀態(tài)變量和輸出值都能夠較快地收斂于其各自的極值點，并且輸出值y收斂于最大上洗力/后并不存在波動現(xiàn)象；而基于正弦激勵信號的極值控制方法不能穩(wěn)定極值搜索系統(tǒng)的狀態(tài)變量和輸出值，且通過輸出值仿真結(jié)果的局部放 大圖可以看出，輸出值y的最終收斂結(jié)果存在明顯的波動現(xiàn)象。 5、實施例5針對航空發(fā)動機中燃燒室內(nèi)的振蕩壓力《，其模型為<formula>formula see original document page 19</formula>其中，c;表示燃燒室的容積；4表示噴嘴的橫截面積；a:表示扼流方程常數(shù)；^表示噴嘴的有效長度；戶表示噴嘴處氣體密度；C,表示流量系數(shù)；^表 示出口處的橫截面積；？;表示燃燒室的出口溫度；"是此模型的控制輸入項，來 源于熱釋放導(dǎo)致的氣體流動；* 表示噴嘴流體常數(shù)。 此系統(tǒng)的控制律為<formula>formula see original document page 19</formula>其中，s表示在固定壓力下單位質(zhì)量氣體的比熱；^表示穩(wěn)定態(tài)的噴嘴處 流速；A/^表示在一定燃空比下燃燒的熱釋放值；f表示燃燒室的平均燃空比值, 它是燃燒控制中的搜索變量；w是比例系數(shù)，用于推算燃燒模型的穩(wěn)定特性；^ 表示貧瘠燃料下的最小燃空比，p為一控制常數(shù)。此實施例的控制目的是通過對燃燒室的平均燃空比值f的極值控制，使得 燃燒室內(nèi)的振蕩壓力《的振蕩范圍最小化。分別采用本發(fā)明提出的控制方法和自適應(yīng)控制方法對上述航空發(fā)動機中燃 燒室內(nèi)的振蕩壓力《進行極值控制。采用自適應(yīng)控制方法時的仿真結(jié)果如圖16、17所示，采用本發(fā)明提出的控制方法時的仿真結(jié)果如圖18、 19所示，可以看出， 雖然自適應(yīng)控制方法對振蕩壓力《的幅值有一定的抑制作用，但是并沒有使得《 的幅值收斂到一個最小值；而采用本發(fā)明提出的控制方法使得燃燒室內(nèi)的平均 燃空比值f和振蕩壓力《的幅值都收斂至它們的最小值。
最后應(yīng)說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案及此控制技術(shù) 的有效性，但并不限于此，而是在應(yīng)用上可以延伸到其他的修改、變化、應(yīng)用 和實施例，并且因此認為所有這樣的修改、變化、應(yīng)用、實施例都在本發(fā)明的 精神和范圍內(nèi)。
權(quán)利要求
1、一種基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法，其特征包括步驟10)、將極值搜索系統(tǒng)的控制問題轉(zhuǎn)化為求解此被控系統(tǒng)的輸出函數(shù)中斜率為零的極值點問題；步驟20)、根據(jù)所述的極值點求解問題，構(gòu)造一對具有約束條件的對偶問題；步驟30)、根據(jù)所述的具有約束條件的對偶問題，建立一種基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法；步驟40)、通過所述的神經(jīng)網(wǎng)絡(luò)極值控制方法的求解，可以得到全局最優(yōu)的搜索變量；步驟50)、根據(jù)所得的全局最優(yōu)的搜索變量，驅(qū)使極值搜索系統(tǒng)的輸出值收斂至輸出函數(shù)的全局極值點，從而實現(xiàn)極值搜索系統(tǒng)的控制目的。
2、 權(quán)利要求l的方法，其中，步驟20)進一步包括根據(jù)所述的極值點求 解問題，確定一個具有約束條件的最小化極值問題，應(yīng)用對偶控制理論，存在 另 一個具有約束條件的最大化極值問題，從而形成一對具有約束條件的對偶問 題。
3、 權(quán)利要求l的方法，其中，步驟30)進一步包括三個不同的搜索控制階段步驟310 )、此極值控制方法的初始階段屬于混沌退火搜索階段,利用Lorenz 模型產(chǎn)生的混沌噪聲，直接將其引入至具有參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)中，通過不斷 衰減混沌噪聲的幅度與混沌噪聲的接受概率來實現(xiàn)混沌退火的搜索過程；步驟320 )、此極值控制方法的中間階段屬于M擾動搜索階段，利用參數(shù) 擾動策略，使神經(jīng)網(wǎng)絡(luò)的輸出值暫時擺脫初始搜索階段的收斂點的吸引，從而 驗證初始的收斂點是否為全局極值點。通過參數(shù)擾動因子的逐漸衰減，使搜索 過程逐漸進入極值控制方法的最終階段；步驟330 )、此極值控制方法的最終階段屬于神經(jīng)網(wǎng)絡(luò)的精搜索階段，利用 神經(jīng)網(wǎng)絡(luò)自身的收斂性使極值搜索系統(tǒng)的搜索變量準(zhǔn)確和漸近地收斂至它的全 局極值點。
4、 一種基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制系統(tǒng)，其特征包括模型仿真模式和實時控制模式。
5、 權(quán)力要求4的系統(tǒng)，其中，模型仿真模式用于確定基于混沌退火和^ 擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法中的各種調(diào)節(jié)參數(shù)，-驗證所述控制方法在不同極 值搜索系統(tǒng)和各種函數(shù)優(yōu)化問題中的全局搜索和控制能力。
6、 權(quán)力要求4的系統(tǒng)，其中，實時控制模式通過反饋接受極值搜索被控系 統(tǒng)的實測信號，利用基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法，實時 計算出相應(yīng)的控制信號，用于控制極值搜索系統(tǒng)的輸出值漸近收斂至輸出函數(shù) 的全局極值點。
7、 權(quán)力要求4的系統(tǒng)，其中，所述模型仿真模式和實時控制模式不僅對已 保存的極值搜索系統(tǒng)具有極值控制能力，而且可以擴展接受新的極值搜索系統(tǒng) 模型，并對其進行極值控制。
8、 權(quán)力要求4的系統(tǒng)，其中，由所述實時控制模式構(gòu)成的實時極值搜索控 制系統(tǒng)進一步包括多通道傳感器機構(gòu)、數(shù)據(jù)采集模塊、數(shù)字信號驅(qū)動機構(gòu)、 數(shù)模轉(zhuǎn)換機構(gòu)、電壓與功率放大器和執(zhí)行機構(gòu)。
9、 權(quán)力要求4的系統(tǒng)，其中，所述的實時極值搜索控制模式中的多通道傳 感器機構(gòu)可以測量包括溫度、壓力、距離、轉(zhuǎn)速、角度等多種狀態(tài)信號；數(shù)
全文摘要
本發(fā)明提出一種基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)極值控制方法及系統(tǒng)，控制方法采取將極值搜索系統(tǒng)的控制問題轉(zhuǎn)化為求解此被控系統(tǒng)的輸出函數(shù)中斜率為零的極值點問題；根據(jù)所述的極值點求解問題，構(gòu)造一對具有約束條件的對偶問題；建立一種基于混沌退火和參數(shù)擾動的神經(jīng)網(wǎng)絡(luò)求解對偶問題，其中包括混沌退火初始搜索階段、參數(shù)擾動中間搜索階段和神經(jīng)網(wǎng)絡(luò)的最終搜索階段；通過所述的神經(jīng)網(wǎng)絡(luò)極值控制方法的求解，可以得到全局最優(yōu)的搜索變量；根據(jù)所得的全局最優(yōu)的搜索變量，驅(qū)使極值搜索系統(tǒng)的輸出值收斂至輸出函數(shù)的全局極值點，從而實現(xiàn)極值搜索系統(tǒng)的控制目的。本發(fā)明提出的控制系統(tǒng)分為模型仿真模式和實時控制模式，分別從離線模型仿真和實時系統(tǒng)控制兩方面，實現(xiàn)本發(fā)明所述控制方法在極值搜索系統(tǒng)中的應(yīng)用。
文檔編號G05B13/02GK101408752SQ20081016948
公開日2009年4月15日 申請日期2008年10月21日 優(yōu)先權(quán)日2008年10月21日
發(fā)明者斌 左, 靜 李, 胡云安 申請人:中國人民解放軍海軍航空工程學(xué)院