第六章 神经网络控制技术2011.pptVIP

* * 张秦艳 * * 张秦艳 * * 张秦艳 * * 张秦艳 * * 张秦艳 * * 张秦艳 * * 张秦艳 6.6 神经网络控制原理 * * 张秦艳 * * 张秦艳 6.7 神经网络在控制工程中的应用 1. 基于神经网络的系统辨识 * * 张秦艳 * * 张秦艳 * * 张秦艳 * * 张秦艳 * 张秦艳 * 2 神经网络控制 1）神经网络监督控制 2）神经网络直接逆控制 3）基于神经网络的自适应控制 4）神经网络的内模控制 * * 张秦艳 1）神经网络监督控制 NNC 控制器 对象 r(t) y(t) e(t) u1(t) u2(t) u(t) 神经网络控制器通过向传统控制器的输出进行学习、 在线调整自己，目标是使反馈误差e(t)或u1(t)趋近于零，从 而使自己逐渐在控制作用中占主导地位，以便最终取消反 馈控制器的作用。当系统出现干扰时，反馈控制器仍然可 以重新其作用。 * * 张秦艳 NN1 NN2 对象 r(t) y(t) e(t) u(t) uN(t) NN1 评价函数 对象 r(t) y(t) e(t) u(t) a) b) 2）神经网络直接逆控制 * * 张秦艳 3）基于神经网络的自适应控制 * * 张秦艳 NN1 NN2 对象 r(t) y(t) e(t) u(t) uN(t) NN1 评价函数 对象 r(t) y(t) e(t) u(t) a) b) * * 张秦艳 * * 张秦艳 4）神经网络的内模控制 神经网络正向模型 神经网络 控制器 对象 r(t) y(t) e(t) ym(t) d u(t) 滤波器 NN1 NN2 * * 张秦艳 6.8 单神经元控制的直流调速系统 从理论上讲，由于神经网络具有很强的信息综合能力，在计算速度能够保证的条件下，可以解决任意复杂的控制问题，但目前缺乏相应的神经网络微机硬件的支持。 近年来，单神经元构成的控制器结构简单，易于实时控制. * * 张秦艳 * * 张秦艳 * * 张秦艳 单神经元直流调速系统参数设计 * * 张秦艳 * * 张秦艳 仿真结果表明，基于单神经元自适应PID控制器具有很强的鲁棒性和自适应性。基于单神经元自适应PID控制器直流调速系统，在允许负载、电枢电阻和转动惯量变化的范围内，都能保持响应的快速性以及无静差、无超调的优良性能。 * * 张秦艳 张秦艳 张秦艳 第六章 神经网络控制技术 6.1 神经网络基础 6.2 神经网络的结构和学习规则 6.3 典型前向网络——BP网络 6.4 典型反馈网络——Hopfield网络 6.5 应用神经网络产生模糊集的隶属函数 6.6 神经网络控制原理 6.7 神经网络在控制工程中的应用 6.8 单神经元控制的直流调速系统 * * 张秦艳 神经网络是由众多简单的神经元连接而成的一个网络。是高度非线性动力学系统，可表达很多复杂的物理系统。 神经网络的下列特性对控制是至关重要的： (1)并行分布处理 (2)非线性映射 (3)通过训练进行学习 (4)适应与集成 (5)硬件实现 * * 张秦艳 6.1 神经网络基础 生物神经元结构：由细胞体、树突和轴突组成。 * * 张秦艳 轴突通过轴突末梢向其它神经元传出神经冲动。 树突相当于细胞的输入端，它用于接受周围其它神经细胞传入的神经冲动。 神经冲动只能由前一级神经元的轴突末梢传向下一级神经元的树突或细胞体，不能作反方向的传递。 神经元具有两种常规工作状态：兴奋与抑制，即满足0—1律。 当传入的神经冲动使细胞膜电位升高超过阈值时，细胞进入兴奋状态，产生神经冲动并由轴突输出；当传入的神 经冲动使膜电位下降低于阈值时，细胞进入抑制状态，没有神经冲动输出。 * * 张秦艳 * * 张秦艳 * * 张秦艳 * * 张秦艳 3．常用的非线性函数 经过加权加法器和线性动态系统进行时空整合的信号 ，再经非线性函数后即为神经元的输出，即 非线性函数具有两个显著的特征，一是它的突变性，二是它的饱和性。 * * 张秦艳 6.2 神经网络的结构和学习规则 * * 张秦艳 前向网络(前馈网络) 反馈网络 1．前向网络(前馈网络) 前向网络通常包含许多层，含有输入层、隐层和输出层的三层网络。 2．反馈网络 反馈网络从输出层到输入层有反馈，既可接收来自其它节点的反馈输入，又可包含输出引回到本身输入构成的自环反馈 。 * * 张秦艳 3．相互结合型网络 属于网状结构，构成网络中的各个神经元都可能相互双向联接。若某一时刻从神经网络外部施加一个输入，各个神经元一边相互作用，一边进行信息处理，直到使网络所有神经元的活性度或输出值，收敛于某个平