[发明专利]基于模糊神经网络的超声电机转速控制

权利要求书

1.基于模糊神经网络的超声电机转速控制，其特征在于，控制系统由速度参考模型设定超声电机的转速跟踪目标，设计基于模糊神经网络的速度控制器；所述的模糊神经网络速度控制器结构参数采用蚁群-粒子群混合算法在线优化。

2.根据权利要求1所述的蚁群-粒子群混合算法在线优化模糊神经网络，其特征在于，所述的蚁群-粒子群混合算法主要优化过程如下：

第1步：初始化，蚁群初始化主要设定时间、迭代次数NC、最大迭代次数NC_max、蚂蚁数目S、初始信息素ρ等，且让全部蚂蚁放置在蚁巢；粒子群初始化包括设置粒子数h、粒子初始位置、速度、惯性因子ω_max和ω_min、加速因子C₁和C₂、最大迭代次数M_p等；

第2步：启动全部蚂蚁，每只蚂蚁K(K＝1，2......S)从集合I_Pi开始，按次序从I_Pi中选取元素，直至蚁群中所有蚂蚁均搜寻到食物源；

第3步：将每只蚂蚁选取值作为FNN结构参数训练样本，然后按照下式求取网络输出平均相对误差，记录目前FNN结构参数最好解，且根据蚁群算法对全部集合中各元素信息素更新调整；

其中，e^k定义为模糊神经网络期望输出与实际值的平均相对误差，y_i表示FNN的实际输出值，O_i代表FNN期望输出值，S为蚂蚁样本数量，因此当网络训练输出误差e^k减小时，相应信息素浓度就增大；

第4步：采用粒子群算法改进第3步中求得的最优解，及时更新粒子的运行速度与所处位置；假如当前找到的粒子最好位置P_best不能优于粒子当前位置P_now，那么令P_best＝P_now；假如当前搜出的全局最好位置G_best不能优于粒子当前位置P_now，那么令G_best＝P_now；如果没有达到粒子群最大迭代次数M_p，继续对粒子当前位置与最优位置P_best及G_best进行比较执行；

第5步：循环次数增1，若目前最优解得到改进，更新信息素浓度；

第6步：如果进化满足蚁群算法的最大迭代次数NC_max，便停止迭代过程，同时输出模糊神经网络结构参数最优解，否则将跳至第2步循环执行。