做一个动态神经网络（NARX神经网络）通用模型控制器,结.docVIP

做一个动态神经网络(NARX神经网络)通用模型控制器，结构图如下： 并在其基础上添加一个参数自适应机构，变为动态神经网络(NARX神经网络)通用模型自适应控制器，结构图如下： 针对上面两个控制器分别对被控对象Buck型DC/DC变换器Buck型DC/DC变换器数学模型如下： 其中=，=，=以上几式中和分别代表Buck变换器的电感电流和电容电压，、、、分别代表电压值、电感值、电阻值以及电容值。 ，期望的输出电压为 仿真效果图： 辨识图和验证图： 图 4 和图 5 分别为辨识和验证RBFNN 模型的结果。 分别列出NARX神经网络通用模型控制时的辨识和验证图，以及NARX神经网络通用模型自适应控制时的辨识和验证图。 例如下图一样（图 4 和图 5 分别为辨识和验证RBFNN 模型的结果）。 启动时的输出电压曲线图： 列出NARX神经网络通用模型控制时开环控制、通用模型控制、直接逆控制、NARX神经网络通用模型控制的比较图。 列出NARX神经网络通用模型自适应控制时开环控制、通用模型控制、直接逆控制、NARX神经网络通用模型控制、NARX神经网络通用模型自适应控制的比较图。 例如下图一样。 注：由于被控对象是Buck型DC/DC变换器 输入电压变化时控制效果比较图 列出NARX神经网络通用模型控制时开环控制、通用模型控制、直接逆控制、NARX神经网络通用模型控制的比较图。 列出NARX神经网络通用模型自适应控制时开环控制、通用模型控制、直接逆控制、NARX神经网络通用模型控制、NARX神经网络通用模型自适应控制的比较图。 例如下图一样。 在0.02s时刻把输入电压E从20V变化为16V，在开环和CMC的控制下的电压输出比较 负载变化时控制效果比较图 列出NARX神经网络通用模型控制时开环控制、通用模型控制、直接逆控制、NARX神经网络通用模型控制的比较图。 列出NARX神经网络通用模型自适应控制时开环控制、通用模型控制、直接逆控制、NARX神经网络通用模型控制、NARX神经网络通用模型自适应控制的比较图。 例如下图一样。 在0.04s的时候，使负载电阻R从8欧姆突变为4欧姆，开环和CMC控制器控制下的BUCK系统的输出电压比较 注：下图是在0.02s时改变了输入电压之后再在0.04s时候改变负载的，这里不需要这么麻烦直接在0.02s时单独改变负载得到控制比较图即可。 注：以上仿真均是在matlab/simulink上仿真的，参数均是我采用前人的数据，如有需要，可按照能出现最好的效果图做相应的修改。 这里附上NARX神经网络的相关介绍： (1)、NARX神经网络结构 NARX网络是一种动态递归网络，通过引入延时模块及反馈实现对系统模型的建立。NARX模型建立在线性时间序列ARX模型的基础上，其函数式可表示为：其中，表示神经网络模型，可以看出，输出被反馈作为输入，并伴随时间延迟，此式很好地结合了神经网络强大的函数模拟功能及时间序列实现的数据关联性建模思想。一个典型的NARX神经网络主要由输入层、隐含层、输出层及输入和输出延时构成，其网络结构如下图所示： 图5-1 NARX神经网络结构 动态神经网络的输出不仅依赖当前的输入还与当前和过去的输入输出有关。NARX神经网络可看做有时延输入的BP神经网络加上输出到输入的时延反馈连接。与BP或简单递归神经网络相比，NARX神经网络包含多步输入输出时延，能够反映丰富的历史状态信息，能更好地描述动态时变系统的特性，能有效地关联复杂动态关系。因此，本文采用NARX神经网络来建立DC/DC变换器这个强非线性系统的逆模型。