智能控制基础_课件2011_第9章 神经网络控制.pptVIP

第9章 神经网络控制 电气学院 武晓莉 课程目录 一、 绪论（智能控制概述）（1） 二 、智能控制的知识工程基础（大纲） 三、 专家控制（2） 四 、模糊控制（3-4） 五 、神经网络控制（6-9） 六、 遗传算法（10） 神经网络控制部分（目录） 第6章 神经网络的理论基础 第7章 典型神经网络 第9章 神经网络控制 补充：人工神经网络的应用与其机理间的关系 神经网络控制的优越性、发展及结构 补充：MATLAB神经网络工具 补充：人工神经网络的应用与其机理间的关系 补充： （续1）人工神经网络的应用与其机理间的关系 补充： （续2） 人工神经网络的应用与其机理间的关系 补充： （续3） 人工神经网络的应用与其机理间的关系 补充： （续4） 人工神经网络的应用与其机理间的关系 补充： （续5）人工神经网络的应用与其机理间的关系 补充： （续6）人工神经网络的应用与其机理间的关系 第9章 神经网络控制 神经网络用于控制的优越性主要表现为： （1）可处理那些难以用模型或规则描述的对象； （2）采用并行分布式信息处理方式，具有强容错性； （3）本质上是非线性系统，可以实现任意非线性映射。在非线性控制系统中具有很大的发展前途； （4）具有很强的信息综合能力，它能够同时处理大量不同类型的输入，能够很好地解决输入信息之间的互补性和冗余性问题； （5）硬件实现愈趋方便。大规模集成电路技术的发展为神经网络的硬件实现提供了技术手段，为神经网络在控制中的应用开辟了广阔的前景。 第9章 神经网络控制 神经网络控制所取得的进展为： (1)?基于神经网络的系统辨识： (2)?神经网络控制器： (3)?神经网络与其他算法相结合：神经网络与专家系统、模糊逻辑、遗传算法等相结合可构成新型控制器； (4)?优化计算：在常规控制系统的设计中，常遇到求解约束优化问题，神经网络为这类问题提供了有效的途径； (5)?控制系统的故障诊断：利用神经网络的逼近特性，可对控制系统的各种故障进行模式识别，从而实现控制系统的故障诊断。 第9章 神经网络控制 神经网络控制系统的结构 神经网络监督控制 神经网络直接逆控制 神经网络预测控制 神经网络混合控制 1、神经网络监督控制 2、神经网络直接逆控制（a） 神经网络直接逆控制（b） 3、神经网络预测控制 4、神经网络混合控制 该控制方法是集成人工智能各分支的优点，由神经网络技术与模糊控制、专家系统等相结合而形成的一种具有很强学习能力的智能控制系统。 由神经网络和模糊控制相结合构成模糊神经网络，由神经网络和专家系统相结合构成神经网络专家系统。神经网络混合控制可使控制系统同时具有学习、推理和决策能力。 补充：MATLAB神经网络工具 神经网络工具箱中的通用函数 BP神经网络工具箱函数 径向基神经网络函数 神经网络工具箱的图形用户界面 基于Simulink的神经网络控制系统 神经网络工具箱中的通用函数 MATLAB神经网络工具箱中提供的函数主要分为两大部分。 一部分函数是通用的，这些函数几乎可以用于所有类型的神经网络； 另一部分函数则是特别针对某一种类型的神经网络的 神经网络工具箱中的通用函数 1. 初始化神经网络函数init( ) 可以对一个已存在的神经网络进行初始化修正，该网络的权值和偏值是按照网络初始化函数来进行修正的。其调用格式为：net=init(NET) 神经网络工具箱中的通用函数 3. 网络仿真函数sim( ) 神经网络一旦训练完成，网络的权值和偏值就已经确定了。于是就可以使用它来解决实际问题了。利用sim( ) 函数可以仿真一个神经网络的性能。其调用格式为： [Y,Xf,Af,E,perf]=sim(net,X,T) 或 [Y,Xf,Af,E,perf]=sim(net,{Q Ts}) BP神经网络工具箱函数 1．均方误差性能函数mse( ) BP神经网络学习规则为调整网络的权值和偏值，使网络的均方误差和性能最小。均方误差性能函数的调用格式为： perf=mse(E,w,pp) BP神经网络工具箱函数 3．建立网络函数newff( ) 利用newff( ) 函数可建立一个感知机神经网络。其调用格式为： net=newff(Xr,[S1 S2...SNl],{TF1 TF2...TFNl}, BTF,BLF,PF) BP神经网络工具箱函数 5．BP神经网络仿真函数simuff( ) BP神经网络由一系列网络层组成，每一层都从前一层得到输入数据，simuff( )函数可仿真最多三层前向网络。其调用格式为： y=simuff (X,W,b,Tf‘)