智能控制理论及其应用-第四章 基于神经网络的智能控制系统3.pdf

4.5 神经网络控制原理及系统 4.5 神经网络控制原理及系统 4.5.1 神经控制的基本原理 4.5.1 神经控制的基本原理 神经网络具有很强的逼近非线性函数的能力，即非 所谓神经网络控制，即基于神经网络的控制或简称神 线性映射能力。把神经网络用于控制正是利用它的这个 经控制，是指在控制系统中采用神经网络这一工具对难以 独特优点。 控制系统的目的在于通过确定适当的控制输入，使 精确模述的复杂的非线性对象进行建模，或充当控制器， 得系统获得期望的输出特性。图4-14(a)为一般反馈控制系 或优化计算，或进行推理，或故障诊断，以及同时兼有上 统的原理图，图4-14(b)采用神经网络替代图4-14(a) 中的控 述某些功能的适应组合，将这样的系统统称为基于神经网 制器。 络的控制系统，称这种控制方式为神经网络控制。 图4-14 反馈控制与神经网络 图4-14 反馈控制与神经网络 4.5 神经网络控制原理及系统 4.5 神经网络控制原理及系统 4.5.1 神经控制的基本原理 4.5.1 神经控制的基本原理 设被控制对象的输入u 和系统输出y 之间满足如下非线 为了满足系统输出y 等于期望的输出yd ，可得 性函数关系，即 y g [f (y d )] y g (u) 1 显然，当 f () g ()时，满足要求。 控制的目的是确定最佳的控制量输入u ，使系统的实 由于要采用神经网络控制的被控对象一般是复杂的且 际输出y 等于期望的输出yd 。在该系统中，可把神经网络 g () 多具有不确定性，因此非线性函数 是难以建立的，可 的功能看做输入输出的某种映射，或称函数变换，并设 以利用神经网络具有逼近非线性函数的能力来模拟g 1() ， 它的函数关系为 g () 尽管 的形式未知，但通过系统的实际输出y 与期望输出 u f (y d ) yd 之间的误差来调整神经网络中的连接权值，即让神经网 络学习，直至误差 4.5 神经网络控制原理及系统 4.5 神经网络控制原理及系统 4.5.1 神经控制的基本原理 4.5.2 神经网络在控制中的主要作用 由于神经网络具有许多优异特性，所以决定了它在控制系统 e y d y 0 中应用的多样性和灵活性。为了研究神经网络控制的多种形 1 式，先来给出神经网络控制的定义， 的过程，就是神经网络模拟g () 的过程，它实际上是对 被控对象的一种求逆过程。由神经网络的学习算法实现 所谓神经网络控制，即基于神经网络的控