文档介绍：龙永红等一种智能控制方法及其在温度控制系统中的应用・包装自动化技术・一种智能控制方法及其在温度控制系统中的应用龙永红,何静(株洲工学院电气工程系,湖南株洲 412008)[摘要] 分析了一种基于神经网络的滑模系统,文中首先介绍了滑模控制理论,然后采用小波函数对神经网络参数进行训练,使之能对大滞后被控对象以及复杂工业过程也能进行有效控制。关键词滑模;小波;神经网络中图分类号:TB486+.3 文献标识码:B 文章编号:1001-3563(2001)01-0039-03AKindofIntelligentcontrolandItsApplicationinTemperatureLONGYong-,HE(DepartmentofElectrical,logyZhuzhou412008,China)Abstract: ,workparametersarefunction,: Slidingmode;Wavelet;work 在实际工程中,对于设计一个控制系统,解决其非线性和不确定性一直是设计中的难点。神经网络由于具有非线性映射能力以及学****和适应不确定性系统动态特性的能力,而受到人们的高度重视,但它存在着响应相对较慢和稳定性分析困难的缺点。滑模变结构可以控制为解决非线性系统的控制提供其新的思路,尤其对于模型不确定的复杂系统,它采用系统的分析方法来解决问题,使其具有快速性和较好的稳定性。然而,滑模控制在切换面上存在抖动,虽然许多文献对消除抖动提出了各种方案[1~3],但对于大滞后对象效果不太理想。为此,本文在滑模变结构控制基础上结合神经网络控制。即用滑模变结构将系统引导到切换面的边界层,然后用神经网络补偿边界层内的不确定性。理论分析和仿真结果均说明了该算法的优越性。1 问题的描述考虑下列不确定性非线性系统(t)=f(X,t)+u(t)+d(t)(1) 其中X=[x,xα,…,x(n-1)]T为系统状态变量。u(t)X(n)为系统的输入,d(t)是系统外部扰动函数,其上限值为D,假设非线性函数f(X,t)不知其确切值,但f(X,t)~~=f(X)+∃f(x)。其中f(X)是f(X,t)的估计值,∃f(x)是模型的不确定性,且󰃜∃f(x)󰃜≤F。控制目标是要求系统状态变量X能跟踪Xr,其中(n-1)TXr=[xr,xα]。r,…,xr系统结构如图1所示图中,e=Xr-X为跟踪误差SMC为滑模变结构控制器,ANN为神经网络控制收稿日期:2000209215作者简介:龙永红(1968-),男(汉族),湖南攸县人,株洲工学院电气工程系讲师,从事电子技术应用及自动化研究。在“电话安全报警系统”和“内燃机车电脑加油机”项目中分别获得2000年湖南省科技进步四等奖。・39・©1994-. ,S(t)为平滑函数,用于保证SMC与ANN平滑切换。此时u(t)