先进控制理论及其应用 教学课件 葛宝明 林飞 第9章　神经网络控制.pdf

第9章　神经网络控制 9.1　神经网络理论基础 9.2　柔性神经网络 9.3　神经网络控制 9.4　基于神经网络的SRM建模与控制 9.5　恒温箱的柔性神经自校正PID控制 9.1　神经网络理论基础 1)信息处理由神经元间的相互作用实现，具有并行处理的特点。 2)知识与信息的存储表现为神经元间分布式的物理联系。 3) 网络的学习决定于神经元联接权及神经元的动态演化过程。 4)具有联想记忆特性。 9.1　神经网络理论基础 9.1.1　神经元 9.1.2　Sigmoid函数 9.1.3　前馈神经网络结构 9.1.4　BP学习算法 9.1.5　几个问题 9.1.1　神经元 0901.tif 9.1.2　Sigmoid函数 1. 单极性Sigmoid函数 2. 双极性Sigmoid函数 1. 单极性Sigmoid函数 0902.tif 2. 双极性Sigmoid函数 0903.tif 9.1.3　前馈神经网络结构 0904.tif 9.1.4　BP学习算法 (1)正向传播　输入信号从输入层经过隐含层传向输出层，若输出层得到了期 望的输出，则学习算法结束；否则，转至反向传播。 (2)反向传播　将误差(样本输出与网络输出之差)按原联接通路反向计算，由 梯度下降法调整各层神经元间的联接权值和各神经元阈值，使误差减小。 9.1.5　几个问题 1. 输入/输出节点 2. 网络层数 3. 隐含层神经元数 4. 每层的映射函数 5. 初始权值与阈值的选取 6. 学习速率的选取 7. 期望误差的选取 8. 样本数据的建立 9.2　柔性神经网络 9.2.1　柔性单极性Sigmoid函数 9.2.2　柔性双极性Sigmoid函数 9.2.3　柔性Sigmoid函数的进一步演化 9.2.4　学习算法 9.2.1　柔性单极性Sigmoid函数 0905.tif 9.2.2　柔性双极性Sigmoid函数 0906.tif 9.2.3　柔性Sigmoid函数的进一步演化 0907.tif 9.2.4　学习算法 0908.tif 9.2.4　学习算法 0909.tif 9.3　神经网络控制 9.3.1　神经自校正控制 9.3.2　神经PID控制器 9.3.1　神经自校正控制 1)控制器与被控对象构成的反馈回路。 2)神经网络辨识器与控制器参数设计回路，用以修改控制器参数。 2)神经网络辨识器与控制器参数设计回路，用以修改控制器参数。 0910.tif 2)神经网络辨识器与控制器参数设计回路，用以修改控制器参数。 0911.tif 2)神经网络辨识器与控制器参数设计回路，用以修改控制器参数。 0912.tif 9.3.2　神经PID控制器 1. 常规PID控制器 2