神经网络控制论.ppt

多网络自学习控制法基本思想是利用逆动力学模型和系统的期望输出yd(k+1)去构造一个期望的控制量ud(k)，从而解决了神经控制器Nc在系统模型未知情况下的学习问题。 四、神经网络控制器的设计 单一神经元控制: 适用于单输入单输出系统 wi(t+1)= γwi(t)+ηpi(t) 四、神经网络控制器的设计 如设定值r(t)、对象输出测量值y(t)等。转换部件的输出为神经元学习所需的状态，如设定值r(t)、误差e(t) 、误差变化△e(t)等，控制信号u(t)由神经元通过关联搜索来产生。根据以上模型，采用联想式学习方法，可以得出规范化神经元非模型控制方法： 式中xi(t) i=1,2, ,n 为神经元的输入状态;K为神经元的比例系数； η为神经元的学习速率。 四、神经网络控制器的设计 神经网络的辨识途径有二种： 线性部分的参数已知 可归结为带时滞的多层感知网络模型的学习问题，只是导师学习信号有所不同。 线性部分的参数未知 可归结为带时滞的多层感知网络模型的学习和线性系统的参数估计问题。 二、非线性动态系统的神经网络辨识 对于模型I、II 如果线性部分已知，系统实际输出与模型输出（神经网络输出与线性部分输出之和）的差可以用BP算法来训练神经网络模型 二、非线性动态系统的神经网络辨识 对于模型I、II，如果线性部分未知。采用改进的BP迭代学习算法 二、非