智能控制基础总结.pptVIP

经典集合与模糊集合 模糊集合的表示方法 精确化过程 模糊控制器的设计原则 模糊控制器设计 模糊控制器设计 人工神经网络 人工神经元模型 激励函数类型 激励函数类型 神经网络的模型分类 神经网络的学习 学习规则 神经网络的泛化能力 专家控制 专家系统结构与功能 一般应用程序与专家系统的区别 专家系统常用的推理策略 产生式规则推理过程 专家控制系统 专家控制与专家系统的差别 人工神经网络就是模拟人脑细胞的分布式工作特点和自组织功能，且能实现并行处理、自学习和非线性映射等能力的一种系统模型。 神经网络系统研究主要有三个方面的内容，即神经元模型、神经网络结构和神经网络学习方法。 神经元模型是生物神经元的抽象和模拟。可看作多输入/单输出的非线性器件 。 xi ? 输入信号，j=1,2,…,n; wij 表示从单元uj 到单元ui 的 连接权值; si? 外部输入信号； ui 神经元的内部状态； θi 阀值； yi? 神经元的输出信号； 通常假设yi=f(Neti)，而f为激励函数。 阈值型 分段线性型 Sigmoid 函数型 Tan函数型 前向网络 反馈网络 相互结合型网络 混合型网络 1、按连接方式的不同进行分类 2、按网络结构分类，主要表现出三大类：前向网络、反馈网络和自组织网络。 有导师学习 无导师学习 两大类学习算法 ◆ 有导师学习：直接利用误差信息 ◆ 无导师学习：建立间接的评价函数 根据连接权系数的改变方式分类 当输入矢量与样本输入矢量存在差异时，其神经网络的输出同样能够准确地呈现出应有的输出。这种能力就称为神经网络的泛化能力。 在有导师指导下的学习中，泛化能力可以定义为训练误差和测试误差之差。 与输入矢量的个数、网络的节点数、权值和训练样本集数目之间存在密切的关系。 多层前向网络的学习算法 网络模型 第1个隐含层： 第r＋1个隐含层： 输出层 采用梯度法： 其中： 定义广义误差 ： 可得： BP学习算法 输出层时，有： 隐含层时，有： 反向误差传播 假设对于输入 期望的输出 网络权系数的初始值见图。试用BP算法训练此网络（只给出一步迭代学习过程）。这里，取神经元激励函数： ，学习步长为 。 BP学习算法举例 当前输出 计算广义误差 连接权系数更新 全连接单层网络 神经元模型 二值型的Hopfield网络 yi取值通常为 0和1或-1和1 状态转移关系 假设一个3节点的离散Hopfield神经网络，已知网络权值与阈值如图 (a)所示。 采取随机异步更新策略，计算状态转移关系。 例3-7 同步更新策略 神经网络控制的优越性 1 神经网络可以处理那些难以用模型或规则描述的过程或系统 2 神经网络采用并行分布式信息处理，具有很强的容错性。 3 神经网络是本质的非线性系统 4 很强的信息综合能力 5 神经网络的硬件实现愈趋方便 对象 神经网络控制器的分类 逆控制器 自适应网络控制器 前馈控制结构 自适应评价网络 混合控制系统 神经网络控制器 导师指导下的控制器 直接逆模型控制法 训练结构示意图 运行于静态参数环境 直接逆模型控制的结构示意图 直接网络控制法 适合模型已知的动态环境 多网络自学习控制法 前向建模多网络控制 逆模型建模的多网络控制结构图 专家控制是以专家系统为基础的。 专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统中含有大量的某个领域专家水平的知识和经验，能够利用人类专家的知识和解决问题的方法来处理该领域的问题。 人 机 接 口 解释机构 知识获取机构 数据库 推理机 知识库 专家 用户 知识库：存放领域知识、常识性知识、理论性知识、推理规则等。使专家系统具有启发性。 数据库：存放推理的原始数据、中间结果、控制信息等。 推理机：利用知识库的推理规则，对数据库的信息进行推理，得到结论或决策。 知识获取机构：获取专家的领域知识，对知识库进行修改和维护。 解释机构：说明推理过程，回答拥护问题。 人机接口：人机交互的界面。 一般应用程序 专家系统 把问题求解的知识隐含地编入程序。 把知识组织为两级：数据级和程序级。 把其应用领域的问题求解知识单独组成一个实体。即为知识库。 将知识组织成三级；数据、知识库和控制。 专家控制中的知识类型 知识的类型： 事实性知识：描述对象的概念、属性、状态、条件等，属于描述性命题。 过程性知识 ：推理的规则、物理定律、专家经验等，属于规律