北京交通大学研究生课程(神经网络、模糊控制及专家系统)第六章技术分析.pptVIP

多网络学习法 建立未知非线性动态系统的前向模型。 图5-23 前向建模多网络控制结构图 多网络学习法 2. 建立未知非线性动态系统的逆模型。 图5-24 逆模型建模的多网络控制结构图 第四节 神经网络控制器的设计 一、神经网络直接逆模型控制法 二、直接网络控制设计法 一、神经网络直接逆模型控制法 最直观的一种神经网络控制器的实现方法 图5-25 直接逆模型的训练结构示意图 直接逆模型控制法 神经网络、模糊控制及专家系统 研究生课程 张严心 2015 第六章 人工神经网络控制论 引言 非线性动态系统的神经网络辨识 神经网络控制的学习机制 神经网络控制器的设计 基于神经网络的自适应控制 第一节 引言 一、神经网络控制的优越性 二、神经网络控制器的分类 三、神经网络的逼近能力 第一节 引言 基于专家经验和领域知识总结出若干条模糊控制规则，构成描述具有不确定性、复杂对象的模糊关系，通过被控系统输出误差及误差变化和模糊关系的推理合成获得控制量，从而对系统进行控制。 一、神经网络控制的优越性 是根据被控对象的数学模型及对控制系统要求的性能指标来设计控制器，并对控制规律加以数学解析描述。 具有很强的逼近非线性函数的能力，即非线性映射能力，神经网络用于控制正是利用这个独特的优点。 传统的基于模型的控制方式 模糊控制 神经网络控制 第一节 引言 一、神经网络控制的优