神经网络学习控制Neural Network based Learning Control.pptVIP

神经网络学习控制 Neural Network based Learning Control 7.1 Reinforcement Learning(再励学习，自强式学习） 神经网络学习方法有三类： 监督学习 Supervised Learning —例如BP —有明确的“教师”信号 无监督学习 Unsupervised Learning  —没有任何“教师”信号 —只是通过输入数据的内部信息 相当自组织？类方法。 —例如 再励学习Reinforcement Learning 源于心理学简单的说，一个人有笔钱，有几个投资选择A.B.C.他投B，赚钱了，再投B 。until B不赚钱了，或有突发事件使他觉得A更好，于是将钱投到A。 由Barto 等人提出的Reinforcement Learning 可称为ASE/ACE模型，即由 ASE：Associative Search Element ：关联搜索单元 ACE：Adaptive Critic Element：自适应评判单元构成。 ASE的作用是确定控制信号y ACE则对再励信号r进行改善，得到ASE和ACE各有n路输入通道，由系统状态S解码而成（这与cmac 相同），且每一时刻只选一个，即控制信号的确定和各通道权值的修正如下： 其中， 和 分别为ASE和ACE各通道的权值；  是经改善的再励信号，α、β、γ和δ有关系数, noise为随机噪声。 Cart-Pole 的数学模型 Failure 的条件 显然，各单元的输出几乎完全取决于被选通道的权值，ASE略受噪声的影响。各权值的学习几乎独立，只有那些曾经被选中的通道才会得到修正，其他则不变。这样，一旦碰到完全新的情况，则可能输出一个完全错误的控制信号,导致FAIL Two approaches to Neural Network based Learning Control 7.2 Direct Inverse Modelling 7.3 Learning Control with a Distal Teacher (Distal Learning) The control problem 1. The Direct Inverse Modeling approach to learning an inverse model 2. The distal learning approach to learning an inverse model The control systems 1. The direst inverse modeling approach 1.2 Eg. Learning control of CSTR using CMAC The CSTR system (continuous-stirred tank reactor) And this maybe transformed to the dimensionless form as: Where, x1 is the conversion rate relating to the reaction concentration; x2 is the reaction temperature in the dimensionless form; Uf and Uc are control variables corresponding to the input flow rate F and coolant temperature Tc, respectively. are system parameters. CMAC based learning control approach Current outcome state So(x1,x2,dx1), current setting x1e(k), next setting x1e[k+1], where, dx1[k]=x1[k] – x1[k-1] Let ed= x1e[k+1] – x1[k-1], ep=x1e[k]- x1[k] , where, ed= difference between next setting and current output, ep