新智能控制理论及应用 教学课件 韩力群 第三章 神经网络控制及应用(辨识与控制).pptVIP

3.2 神经网络系统辨识 系统辨识（Identification）的主要应用： 控制系统的分析和设计 用于自校正、模型参考自适应系统 预测和预报 监视系统运行状态，进行故障诊断 PID控制要取得较好的控制效果，关键在于调整好比例、积分和微分三种控制作用的关系。在常规PID控制器中，这种关系只能是简单的线性组合，因此难以适应复杂系统或复杂环境下的控制性能要求。 从变化无穷的非线性组合中可以找到三种控制作用既相互配合又相互制约的最佳关系，而神经网络所具有的任意非线性表达能力，可用来实现具有最佳组合的PID控制。 3.3.1神经网络控制系统结构 3.3 神经网络控制 PID控制系统结构 3.3.1神经网络控制系统结构 3.3 神经网络控制 PID控制系统结构 间接自校正控制常称为自校正控制，该方案可在被控系统参数变化的情况下自动调整控制器参数，消除扰动的影响。 3.3.1神经网络控制系统结构 3.3 神经网络控制 间接自校正控制系统结构 预测控制是一种基于被控对象的预测模型的控制，特点是滚动优化和反馈校正。由于神经网络能辨识非线性动态系统的输入输出特性，可作为系统的预测模型。 3.3.1神经网络控制系统结构 3.3 神经网络控制 预测控制系统结构 模型参考自适应控制来源于线性系统的模型参考自适应控制(MRAC)，当被控对象具有未知的非线性特性时，可采用神经网络模型参考自适应控制方案，其结构如下。 间接型 直接型 3.3.1神经网络控制系统结构 3.3 神经网络控制 模型参考自适应控制系统结构 智能控制的思路是模仿人的智能行为进行控制，人作出控制决策时凭借的不是数学模型而是经验，而这些经验是经过“行动— 评价—改进行动方案—再行动”的多次反复才能获得的，再励学习控制就是模仿人的这种学习方式而提出的。 3.3.1神经网络控制系统结构 3.3 神经网络控制 再励学习控制系统结构 3.3 神经网络控制 基于BP神经网络的PID控制 设被控对象为 1.神经网络辨识器的设计 , (3-92) 3.3 神经网络控制 基于BP神经网络的PID控制 1.神经网络辨识器的设计 3.3 神经网络控制 基于BP神经网络的PID控制 1.神经网络辨识器的设计 3.3 神经网络控制 基于BP神经网络的PID控制 2.神经网络PID控制器的设计 3.3 神经网络控制 基于BP神经网络的PID控制 2.神经网络PID控制器的设计 3.3 神经网络控制 基于BP神经网络的PID控制 2.神经网络PID控制器的设计 3.3 神经网络控制 基于BP神经网络的PID控制 2.神经网络PID控制器的设计 3.3 神经网络控制 基于BP神经网络的PID控制 2.神经网络PID控制器的设计 3.3 神经网络控制 基于BP神经网络的PID控制 2.神经网络PID控制器的设计 * * 在线教务辅导网： 教材其余课件及动画素材请查阅在线教务辅导网 QQ:349134187 或者直接输入下面地址： 在线教务辅导网： 教材其余课件及动画素材请查阅在线教务辅导网 QQ:349134187 或者直接输入下面地址： 3.2.1神经网络系统辨识原理 定义：系统辨识就是在输入和输出数据的基础上，从一组给定的模型类中确定一个与所测系统等价的模型。 1．动态系统的常用自回归滑动平均模型 以单输入单输出(SISO)时不变离散系统为对象： 3.2 神经网络系统辨识 系统Ⅰ 系统Ⅱ 系统Ⅲ 系统辨识原理 1．动态系统的常用自回归滑动平均模型 3.2 神经网络系统辨识 系统Ⅳ 系统Ⅴ 其中，u(k)、y(k)和d(k)分别代表系统在k时刻的可测输入、输出和扰动，m、n和l分别为输入时间序列、输出时间序列和扰动时间序列的阶次，且 ， 、 和 为常系数， ， ，γ=1,2,…,l。 系统辨识原理 系统Ⅰ对过去n个时刻的输出和过去m个时刻的输入是线性的 ； 系统Ⅱ对前n个时刻的输出是线性的，对前m个时刻的输入是非线性的 ； 系统Ⅲ对过去的输出是非线性的，对过去的输入是线性的 ； 系统Ⅳ对过去的输出和过去的输入都非线性的 ； 系统Ⅴ的输出是n个过去的输入和m个过去的输出非线性函数，是非线性系统的通用表达式，而系统Ⅱ～系统Ⅳ可看作它的特例。 3.2 神经