来源：《电子技术应用》

     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。