摘? 要： 基于單輸入單輸出的具有自學習功能的神經網絡模塊SN9701開發出了多變量系統的解耦控制器，計算機仿真結果表明，用4塊SN9701可以完成雙輸入雙輸出系統的解耦控制。介紹了該多變量系統解耦控制原理以及解耦控制系統中SN9701的訓練。

　　關鍵詞： 神經網絡? SN9701? 解耦控制? 計算機仿真

?

　　人工神經網絡作為現代智能控制領域的一個分支，近年來在工業自動化領域得到了廣泛應用。例如，可用于預報、模式識別、尋優和改善控制環節等^[1]。而大部分的研究集中在神經網絡軟件技術上，主要是軟件設計和學習算法。一些國家已研制出神經網絡芯片，使神經網絡的本質并行算法真正得以體現。SN9701是一種神經網絡硬件模塊^[2]，其網絡模型是切比雪夫(Chebyshev)多項式神經網絡，它可以任意精度逼近任意非線性映射，但它只是單輸入單輸出模塊。本文介紹利用其快速的學習收斂速度，采用4塊SN9701開發雙輸入雙輸出系統的解耦控制器，并給出計算機仿真結果。

1 SN9701功能簡介

　　SN9701是單輸入單輸出神經網絡模塊，其內部主要由切比雪夫多項式形成電路、特征權值調整電路、性能指標判斷電路以及函數形成電路等組成。其管腳排列如圖1所示。

　　SS：樣本學習輸入端，對于樣本集{x_i，d_i}，模擬量d_i由此端輸入；

??? IN：樣本學習輸入端，對于樣本集{x_i，d_i}，模擬量x_i由此端輸入；對于已訓練好的神經網絡，輸入變量也由此端輸入；

　　DIS：樣本訓練結束標志端，低電平有效，發光二極管指示；

　　GND：電源地；

　　ε：性能指標輸入端，ε為任意小的正模擬電壓，可由兩個串聯電阻分壓獲得；

　　ST：啟動神經網絡學習輸入端，負脈沖有效；

　　OUT：神經網絡輸出端；

　　Vcc：電源正端，Vcc為10～30V電源。

2 基于SN9701的多變量系統解耦控制器設計

2.1 多變量系統解耦控制原理

　　現考慮雙輸入雙輸出系統：

　　其中G₁₁(·)、G₁₂(·)、G₂₁(·)、G₂₂(·)表示任意時域或頻域的線性或非線性傳遞關系。解耦控制系統原理框圖如圖2所示，解耦器NND1和NND2對耦合系統進行解耦，控制器NNC₁和NNC₂對兩個單輸入單輸出系統進行控制。

　　圖中r₁、r₂是設定值y₁、y₂為解耦控制系統輸出，u₁、u₂為施加于對象的控制量，v₁、v₂為單輸入單輸出系統控制器輸出。解耦控制系統應滿足下式，以實現解耦功能和控制功能。

　　解耦功能和控制功能可用4塊SN9701經過訓練完成。由上面式子可知，4塊SN9701訓練的目的就是分別逼近(3.1)、(3.2)式的函數關系以及(4.1)、(4.2)式的逆函數關系。

2.2 解耦控制系統中SN9701的訓練

　　SN9701實現兩輸入兩輸出系統的解耦控制步驟如下：

　　(1)根據(3.1)式和(3.2)式分別產生足夠數量的數據樣本，并分別訓練兩個SN9701模塊，以逼近(3.1)式和(3.2)式，實現解耦器的設計；

　　(2)將訓練好的NND1串入(4.1)式或者直接根據產生足夠的訓練樣本，以訓練SN9701控制NNC1。不過此時應將(4.1)式的輸出作為SN9701的輸入，將(4.1)式的輸入作為SN9701的訓練目標。

　　(3)將訓練好的NND2串入(4.2)式或者直接根據產生足夠的訓練樣本，以訓練SN9701控制NNC₂。

3 仿真例子

　　考慮如下強耦合系統：

　　根據第3節中的方法步驟訓練SN9701，得到解耦器和控制器NND₁、NND₂、NNC₁、NNC₂。對單位階躍響應的仿真試驗結果如圖3所示。從仿真結果可見，用4個訓練好的SN9701實現兩輸入兩輸出系統的解耦控制，效果令人滿意。

?

參考文獻

1 袁曾任.人工神經網絡及其應用.北京：清華大學出版社，1999

2 曾哲昭，鄒阿金.Chebyshev神經網絡模塊SN9701及其應用.國外電子元器件，1998(11)：9~10

3 何克忠，李 偉.計算機控制系統.北京：清華大學出版社，1998