|
由於伺服閥控制油壓缸系統為高階非線性,且系統參數常隨使用環境﹑負 荷及干擾的影響而具時變性,欲推導其正確系統數學模式以設計控制器是 相當費時的,由於模糊控制在設計控制器時並不需要系統的數學模式 ,因 此對於具有複雜之非線性數學模式的油壓系統而言,將可節省模式判別所 需的時間。然而一般模糊控制器之控制法則來自專家或操作者的知識與經 驗,所缺乏的就是沒有能力將這些片段知識整合起來,於是本文加入了類神 經網路的學習能力,可對規則不清楚的複雜系統,依其輸入﹑輸出關係進行 適當的規劃,自動形成規則集和相對應隸屬關係;針對伺服閥控制油壓缸位 置而言,吾人以鐘型隸屬函數(Belled-Shape membership function)及 Mamdani 推論法則為基礎,建立類神經模糊控制器網路架構 ,並混合了非 監督及監督學習法(混合式學習法),比起原先只用逆傳遞學習法( backpropagation),其學習收斂速度快的很多,亦能根據訓練資料的分佈, 自動形成規則集及刪除不必要的規則,進而找出最佳之隸屬函數 ,故節省 了傳統模糊控制器必須花費在推論規則之選取及搭配之時間,並將結果應 用至油壓缸位置控制實驗上,然後給予不同的負荷情況,經由實驗結果顯 示,此類神經模糊控制器具有很好的適應能力。
|