摘要：基于单输出的具有自学习功能的神经网络模块SN9701一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邮系统的解耦控制。介绍了该多变量系统耦控制原理以及解耦控制系统中的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的应用。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剑速度，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霰成电路、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{xi,di}，模拟量di由此端输入;

IN：样本学习输入端，对样本集{xi,di}，模拟量xi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为任间小的正模拟是电压，可由两个串联电阻分压获得;

ST：启动神经网络学习输入商端，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`r2j设定值y1、y2为单输入单输出系统控制器输出，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。

    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块SN9701经过训练完成。由上面式子可知，4块SN9701训练的目是就是分别逼近（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职下：

（1） 根据(3.1)式和(3.2)式分别产生足够数量的数据样本，并分别为训练两个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G11＝G11－G12G21／G22产生足够的训练样本，以训练SN9701控制NNC1。不过此时应该将(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G22＝G22－G21G12／G11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，得到耦器和控制器NND1、NND2、NNNC1、NNC2。对单元阶段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。