作者：保定華北電力大學動力系（071003）王東風 來源：《電子技術應用》 摘要：基于單輸出的具有自學習功能的神經(jīng)網(wǎng)絡模塊sn9701一發(fā)出了多變量系統(tǒng)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郵系統(tǒng)的解耦控制。介紹了該多變量系統(tǒng)耦控制原理以及解耦控制系統(tǒng)中的sn9701的訓練。 關鍵詞：神經(jīng)網(wǎng)絡 sn9701 解耦控制 計算機仿真 人工神經(jīng)網(wǎng)絡作為現(xiàn)智能控制領域的一個分支，近年來在工業(yè)自動化領域得到了廣泛的應用。例如，可用于預報、模式識別 、尋優(yōu)和改善控制環(huán)節(jié)等[1]。而大部分的研究集中在神經(jīng)網(wǎng)絡軟件上，主要是軟件設計和學習算法。一些國家已研制出神經(jīng)網(wǎng)絡芯片，使神經(jīng)網(wǎng)絡的本質并行算法真正得以體現(xiàn)。sn9701是一種神經(jīng)網(wǎng)絡硬件模塊[2]，其網(wǎng)絡模型是切比雪夫（chebyshev）多項式神經(jīng)網(wǎng)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劍速度，采用4塊sn9701開發(fā)雙輸入雙輸出系統(tǒng)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(jīng)網(wǎng)絡模塊，其內(nèi)部主要由切比雪夫多項式霰成電路、特征權值調整電路、性能指標判斷電路以及函數(shù)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{xi,di}，模擬量di由此端輸入； in：樣本學習輸入端，對樣本集{xi,di}，模擬量xi由此端輸入；對于已訓練好的神經(jīng)網(wǎng)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(fā)光二極管指示； gnd：電源地； ε：性能指標輸入端，ε為任間小的正模擬是電壓，可由兩個串聯(lián)電阻分壓獲得； st：啟動神經(jīng)網(wǎng)絡學習輸入商端，負脈沖有效； out：神經(jīng)網(wǎng)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(tǒng)解耦控制器設計 2.1 多變量系統(tǒng)解耦控制原理 現(xiàn)考慮雙輸入雙輸出系統(tǒng)： 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(tǒng)原理框圖如圖2所示，解耦器nnd1和nnd2對耦合系統(tǒng)進行解耦，控制器nnc1和nnc2對兩個單輸入單輸出系統(tǒng)進行控制。 圖中r1`r2j設定值y1、y2為單輸入單輸出系統(tǒng)控制器輸出，u1、u2為施加于對象的,控制量，v1、v2為單輸入單輸出系統(tǒng)控制器輸出。解耦控制系統(tǒng)應滿足下式，以實現(xiàn)解耦功能和控制功能。 由（2）式可得： nnd1＝－g21／g22 （3.1） nnd2＝－g12／g11 （3.2） g11＝g11＋g12 nnd1 （4.1） g22＝g22＋g21 nnd2 （4.2） 解耦功能和控制功能可用4塊sn9701經(jīng)過訓練完成。由上面式子可知，4塊sn9701訓練的目是就是分別逼近（3.1）、（3.2）式的函數(shù)關系以及（4.1）、（4.2）式的逆函數(shù)關系。 &nb