第3章人工神经元网络控制论-控制基础要点解析.ppt

*/68 3.1　 引言 3.2　 前向神经网络模型 3.6 神经网络控制基础 3.7　 非线性动态系统的神经网络辨识 3.8　 神经网络控制的学习机制 3.9 　神经网络控制器的设计 3.3　 动态神经网络模型 3.10 单一神经元控制法 目录 */68 3.9.1 直接逆模型控制法 3.9.2 直接网络控制法 3.9.3 多网络自学习控制法 3.9 神经网络控制器的设计 */68 3.9.1 直接逆模型控制法 训练结构示意图 逆模型训练完毕后直接投入控制系统的运行 */68 直接逆模型控制的结构示意图 不进行在线学习，运行于静态参数环境 缺乏鲁棒性，可在外环增加一个反馈控制 */68 3.9.1 直接逆模型控制法 3.9.2 直接网络控制法 3.9.3 多网络自学习控制法 3.9 神经网络控制器的设计 */68 3.9.2 直接网络控制法 在网络的输入端引入系统的状态信号 （带时滞的多层前向网络） 将学习机制（BP算法）实时在线用于网络控制器的调整 */68 例3-10 考虑被控系统 假设动力学逆模型成立 ，为 试用直接网络控制法控制。 n=3,m=2 */68 解 构造神经网络结构为Π5,25,12,1。 输出单元层的神经元的激励函数为线性单元 其余层的神经元为Sigmoid激励元。 取η=0.05 期望输出为：