[发明专利]一种基于RBF神经网络的跟踪精度控制方法

说明书

本发明涉及一种基于RBF神经网络的跟踪精度控制方法，属于光电跟踪系统技术领域。本发明采用训练神经网络模型实现对控制参数的在线整定，解决了在大跟踪角速度情况下跟踪精度低的问题，根据跟踪偏差自适应的调整增益大小，提高了跟踪精度。试验结果表明该参数整定方法对大范围跟踪角速度具有较好的适应性，可提高导引头跟踪的快速性和跟踪精度。

技术领域

本发明属于光电跟踪系统技术领域，具体涉及一种基于RBF神经网络的跟踪精度控制方法。

背景技术

在自动控制系统中，控制器的设计与参数调整是控制理论的重要内容，也是实际工业控制工程的关键技术之一。PID控制因其结构简单、鲁棒性强、可靠性高、易于操作等优点，是工业过程控制领域使用最为广泛的控制方式，而PID控制器的参数整定则是保证控制质量的一个关键环节。在光电跟踪系统中，基于跟踪回路与速度回路相配合的双环控制方法实现系统的闭环，完成对目标的跟踪。跟踪回路以跟踪探测组件计算出的跟踪偏差为输入，并通过控制器合成速度控制指令作为速度环的输入。跟踪环的控制器性能很大程度上决定了跟踪系统的动态响应性能以及稳态时的跟踪精度、稳态误差以及系统的隔离度等性能指标。

光电跟踪系统要求在全跟踪角速度范围内实现较高跟踪精度，在实际应用中当跟踪角速度大于一定值时，跟踪精度便不再满足要求，这时，需要通过增大增益，减小跟踪偏差以达到提高跟踪精度，系统增益即是跟踪环PID控制参数的中的比例参数P，传统的定常PID参数不再适用，而以往的变增益或自适应方法采用固定限幅与连续光滑函数，导致在稳态时系统出现振荡并增大系统的动态误差，而单一的自适应控制的抗干扰性较差，很难满足自适应性和鲁棒性的兼顾。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何实现控制参数的在线整定，从而使跟踪精度在全跟踪角速度范围内满足要求，提高系统的跟踪精度。

(二)技术方案

为了解决上述技术问题，本发明提供了一种基于RBF神经网络的跟踪精度控制方法，包括以下步骤：

S101：获取探测器跟踪偏差；

S102：选定状态转换器，基于所述跟踪偏差构造RBF网络的输入变量；

S103：初始化RBF网络参数；

S104：基于步骤S102、步骤S103构造RBF网络；

S105：更新RBF网络参数；

S106：基于步骤S105输出最优解，得到最优PID控制参数。

优选地，步骤S101中，跟踪偏差e(t)从跟踪探测组件中获得，跟踪探测组件为图像跟踪器、雷达跟踪器或激光跟踪器，均为能够计算出跟踪偏差的制导探测组件。

优选地，步骤S102中，基于如下PID控制器的控制规律实现：

式中，K＝[k_P,k_I,k_D]为PID需调参数向量，k_P为比例参数，k_I为积分参数，k_D为微分参数，为RBF网络的输入向量，e(t)为跟踪偏差，为跟踪偏差积分，为跟踪偏差微分；

选定的状态转换器把跟踪偏差e(t)转换成RBF网络需要的输入格式，得到RBF网络模型的输入变量x(t)。

优选地，步骤S103中，得到输入变量后，在(0，1)范围内随机初始化RBF网络中的所有连接权ω和阈值θ，以及在(0，1)范围内给定学习率η这些参数。

优选地，步骤S104中，构造的RBF网络模型是一种三层前馈神经网络，包括输入层、隐含层、输出层；