工程硕士神经网络理论与应用课程课件5.pptVIP

深圳市中兴通讯股份有限公司 第7章 神经网络控制论 7.1 神经网络控制的优越性 何谓神经网络控制 在控制系统中 ，采用神经网络技术，对难以描述的复杂非线性 对象，进行建模或充当控制器或优化计算或进行推理或故障诊断等 ，以及同时兼有上述某些功能的适当组合，这样的系统称为基于神 经网络的控制系统，称这种方式为神经网络控制。 神经网络控制的优越性： a）神经网络可以处理难以用模型或规则描述的过程或系统； b）神经网络是本质的非线性系统可实现任何非线性映射； c）神经网络采用并行分布式信息处理方式使其具有很强的容错性； d）神经网络具有很强的信息综合能力； e）神经网络的硬件实现，愈趋方便。 7.2 几种典型的神经网络控制系统 a）导师指导下的控制系统 b） 逆控制 控制器的作用是使对象的输出与期望输出能够保持一致 u=f′ yd y=fu y=f f′ yd 若 f′=f-1 则有 f f′ =f f-1 =1 故 y= yd f—非线性被控对象的原函数 f-1 —控制器特性 c）神经网络内模控制 内模控制系统于1982由E.Cahos等人提出。 其中：W0（S）—被控对象传函 Wm（S）—内部模型传函 Wc（S）—调节器传函 NN估计器—神经网络辨识器，用于辨识非线性对象的逆动态 特性 d）自适应神经网络控制系统 神经网络模型参考自适应控制是由Narendra等人于1990年提 出的。直接神经网络模型参考自适应控制系统结构为： 系统控制的任务是，在确定的序列{yd（k）}作用下使 lim Iy（k）- ym（k）I ≤? ??0的正小数 间接神经网络模型参考自适应控制系统结构为： 神经网络离线辨识结构 e）神经网络前馈控制 传统的前馈控制系统结构： 神经网络前馈补偿系统结构图 有负反馈控制的逆控制系统。 f）混合控制系统 神经网络技术与其它的智能控制技术相结合构成的混合型控 制方式。 如模糊神经网络控制系统，神经网络专家控制系统等。 7.3 神经网络控制器的学习方式 7.3.1 离线学习法 对象处于静态离线的状态，神经网络根据被控对象的输入输 出数据建立被控对象的逆模型。 框架结构图为： y—神经网络的输入 uc—神经网络的实际输出 u—神经网络的期望输出 目标函数为： E= （uc（k）–u（k））2 神经网络逆控制系统结构图： 存在的问题： a）离线学习结束，神经网络控制器的学习能力就停止，当系 统出现随机干扰时逆控制无能为力； b）离线学习训练时，采用的是uc与u的误差平方极小当yd与y 不一致时，不能保证的误差平方极小。 7.3.2 在线学习法 在线学习框架结构图： 学习算法： 设非线性对象的数学模型为：y=f(u) 指标函数为：Ep= [yd（k）—y（k）]2 则有： wij（k+1）=wij（k）—? =wij（k）— ? =wij（k）+ ?[yd（k）—y（k）] = =wij（k）+ ?[yd（k）—y（k）] 优点： 系统出现随机干扰时，神经网络能够从新修改网络参 数使得系统的输出