摘  要： 基于单输入单输出的具有自学习功能的神经网络模块SN9701开发出了多变量系统的解耦控制器，计算机仿真结果表明，用4块SN9701可以完成双输入双输出系统的解耦控制。介绍了该多变量系统解耦控制原理以及解耦控制系统中SN9701的训练。

　　关键词： 神经网络  SN9701  解耦控制  计算机仿真

　　人工神经网络作为现代智能控制领域的一个分支，近年来在工业自动化领域得到了广泛应用。例如，可用于预报、模式识别、寻优和改善控制环节等^[1]。而大部分的研究集中在神经网络软件技术上，主要是软件设计和学习算法。一些国家已研制出神经网络芯片，使神经网络的本质并行算法真正得以体现。SN9701是一种神经网络硬件模块^[2]，其网络模型是切比雪夫(Chebyshev)多项式神经网络，它可以任意精度逼近任意非线性映射，但它只是单输入单输出模块。本文介绍利用其快速的学习收敛速度，采用4块SN9701开发双输入双输出系统的解耦控制器，并给出计算机仿真结果。

1 SN9701功能简介

　　SN9701是单输入单输出神经网络模块，其内部主要由切比雪夫多项式形成电路、特征权值调整电路、性能指标判断电路以及函数形成电路等组成。其管脚排列如图1所示。

　　SS：样本学习输入端，对于样本集{x_i，d_i}，模拟量d_i由此端输入；

    IN：样本学习输入端，对于样本集{x_i，d_i}，模拟量x_i由此端输入；对于已训练好的神经网络，输入变量也由此端输入；

　　DIS：样本训练结束标志端，低电平有效，发光二极管指示；

　　GND：电源地；

　　ε：性能指标输入端，ε为任意小的正模拟电压，可由两个串联电阻分压获得；

　　ST：启动神经网络学习输入端，负脉冲有效；

　　OUT：神经网络输出端；

　　Vcc：电源正端，Vcc为10～30V电源。

2 基于SN9701的多变量系统解耦控制器设计

2.1 多变量系统解耦控制原理

　　现考虑双输入双输出系统：

　　其中G₁₁(·)、G₁₂(·)、G₂₁(·)、G₂₂(·)表示任意时域或频域的线性或非线性传递关系。解耦控制系统原理框图如图2所示，解耦器NND1和NND2对耦合系统进行解耦，控制器NNC₁和NNC₂对两个单输入单输出系统进行控制。

　　图中r₁、r₂是设定值y₁、y₂为解耦控制系统输出，u₁、u₂为施加于对象的控制量，v₁、v₂为单输入单输出系统控制器输出。解耦控制系统应满足下式，以实现解耦功能和控制功能。

　　解耦功能和控制功能可用4块SN9701经过训练完成。由上面式子可知，4块SN9701训练的目的就是分别逼近(3.1)、(3.2)式的函数关系以及(4.1)、(4.2)式的逆函数关系。

2.2 解耦控制系统中SN9701的训练

　　SN9701实现两输入两输出系统的解耦控制步骤如下：

　　(1)根据(3.1)式和(3.2)式分别产生足够数量的数据样本，并分别训练两个SN9701模块，以逼近(3.1)式和(3.2)式，实现解耦器的设计；

　　(2)将训练好的NND1串入(4.1)式或者直接根据产生足够的训练样本，以训练SN9701控制NNC1。不过此时应将(4.1)式的输出作为SN9701的输入，将(4.1)式的输入作为SN9701的训练目标。

　　(3)将训练好的NND2串入(4.2)式或者直接根据产生足够的训练样本，以训练SN9701控制NNC₂。

3 仿真例子

　　考虑如下强耦合系统：

　　根据第3节中的方法步骤训练SN9701，得到解耦器和控制器NND₁、NND₂、NNC₁、NNC₂。对单位阶跃响应的仿真试验结果如图3所示。从仿真结果可见，用4个训练好的SN9701实现两输入两输出系统的解耦控制，效果令人满意。

参考文献

1 袁曾任.人工神经网络及其应用.北京：清华大学出版社，1999

2 曾哲昭，邹阿金.Chebyshev神经网络模块SN9701及其应用.国外电子元器件，1998(11)：9~10

3 何克忠，李 伟.计算机控制系统.北京：清华大学出版社，1998