基于粒子群优化的BP神经网络模型参考自适应控制系统

　　　　（１．成都理工大学信息管理学院．数学地质四川省重点实验室．成都６１００５９；　　　　２．新疆财经学院，乌鲁木齐８３００１２；３．西吕卫星发射中心技术部．四川两昌６１５０００）　　　　［摘要］将粒子群优化的ＢＰ神经网络作为模型，参考自适应控制系统的控制器，把参考模型输　　　　出与系统实际输出的均方误差作为ＰＳＯ－ＢＰ神经网络的适应函数，通过ＰＳＯ算法强大的搜索　　　　性能使自适应控制系统的均方误差最小化。仿真实例结果表明，基于粒子群优化算法的ＢＰ　　　　神经网络自适应控制系统收敛快、精度高，有较好的网络的泛化和适应能力，能够很好地控制　　　　系统的输出跟随参考模型的输出。

　　　　［关键词］模型参考自适应控制系统；粒子群优化算法；ＢＰ神经网络；参考模型　　　　［分类号］Ｏ２３１．２　　　　［文献标识码］Ａ

　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｍｏｄｅｌ　ｒｅｆｅｒｅｎｃｅ　ａｄａｐｔｉｖｅ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　　　　　　　　　　　　　　　　　　　　　　　　　　ｔｈｅ　ｐａｒｔｉｃｌｅ　ｓｗａｒｍ　ｏｐｔｉｍｉｚｅｒ

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ＣＨＥＮ　Ｌｉｎｇ１，　ＹＡＮ　Ｈａｉ－ｂｏ２　，　ＭＡＯ　Ｗａｎ－ｂｉａｏ３

　　　　　　　　　　　１．　Ｃｏｌｌｅｇｅ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｍａｎａｇｅｍｅｎｔ　，　（Ｃｈｅｎｇｄｕ　Ｕｎｉｖｅｒｓｉｔ３，　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，　Ｃｈｅｎｇｄｕ　６１００５９，　Ｃｈｉｎａ；　　　　　　　　　　　２，　Ｘｉｎｊｉａｎｇ－　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｆｉｎａｎｃｅ　＆　Ｅｃｏｎｏｍｉｃ．ｓ，　Ｕｒｕｍｑｉ　８３００１２，　Ｃｈｉｎａ；　　　　　　　　　　　３，　Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｔｅｃｈｎｏ］ｏｇｙ　ｏｆ　ＸＳＬＣ．　Ｘｉｃｈａｎｇ　６１５０００，　Ｃｈｉｎａ

Ａｂｓｔｒａｃｔ：　Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，　ＰＳＯ－ＢＰ　ＮＮ　ｉｓ　ｕｓｅｄ　ａｓ　ｔｈｅ　ｃｏｎｔｒｏｌｌｅｒ　ｏｆ　ｍｏｄｅｌ　ｒｅｆｅｒｅｎｃｅ　ａｄａｐｔｉｖｅ　ｃｏｎｔｒｏｌｓｙｓｔｅｍ，　ｔｈｅ　ｍｅａｎ　ｓｑｕａｒｅ　ｅｒｒｏｒ　ｏｆ　ｔｈｅ　ｒｅｆｅｒｅｎｃｅ　ｍｏｄｅｌ　ｏｕｔｐｕｔ　ａｎｄ　ｔｈｅ　ｍｏｄｅｌ　ｒｅｆｅｒｅｎｃｅ　ａｄａｐｔｉｖｅ　ｃｏｎｔｒｏｌｓｙｓｔｅｍ　ｆａｃｔｕａｌ　ｏｕｔｐｕｔ　ａｓ　ｔｈｅ　ａｄａｐｔｉｖｅ　ｆｕｎｃｔｉｏｎ，　ａｎｄ　ｔｈｅｎ，　ｔｈｅ　ｍｅａｎ　ｓｑｕａｒｅ　ｅｒｒｏｒ　ｉｓ　ｍｉｎｉｍｉｚｅｄ　ｂｙ　ｔｈｅｓｅａｒｃｈ　ｃａｐａｂｉｌｉｔｙ　ｏｆ　ＰＳＯ．　Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ａｓｔｒｉｎｇｅｎｃｙ　ａｎｄ　ｐｒｅｃｉｓｉｏｎ　ａｎｄ　ａｄａｐｔａｂｉｌｉｔｙ　ｏｆＰＳＯ－ＢＰ　ＮＮ　ｍｏｄｅｌ　ｒｅｆｅｒｅｎｃｅ　ａｄａｐｔｉｖｅ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍ　ａｒｅ　ｆｉｎｅ．　Ｔｈｅ　ｏｕｔｐｕｔ　ｏｆ　ＰＳＯ－ＢＰ　ＮＮ　ｍｏｄｅｌｒｅｆｅｒｅｎｃｅ　ａｄａｐｔｉｖｅ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍ　ｃａｎ　ｆｏｌｌｏｗ　ｕｐ　ｔｈｅ　ｓｃｅｎｔ　ｏｆ　ｔｈｅ　ｒｅｆｅｒｅｎｃｅ　ｍｏｄｅｌ　ｏｕｔｐｕｔ　ｖｅｒｙ　ｗｅｌｌ．Ｋｅｙ　ｗｏｒｄｓ：　ｍｏｄｅｌ　ｒｅｆｅｒｅｎｃｅ　ａｄａｐｔｉｖｅ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍ；　ｐａｒｔｉｃｌｅ　ｓｗａｒｍ　ｏｐｔｉｍｉｚｅｒ（ＰＳＯ）　ａｌｇｏｒｉｔｈｍ；　ＢＰ　　　　　　　　　　　　　　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ；　ｒｅｆｅｒｅｎｃｅ　ｍｏｄｅｌ