第六章 神网络控制技术2011.ppt

第六章 神经网络控制技术;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 ;6.1 神经网络基础; 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。;;*;*;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。;6.2 神经网络的结构和学习规则;前向网络(前馈网络) ;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，收敛于某个平均值作为信息处理的结束。 4．混合型网络 混合型网络联接方式介于前向网络和相互结合型网络之间，在同一层内有互联，目的是为了限制同层内神经元同时兴奋或抑制的神经元数目，以完成特定的功能;神经网络的学习 ;*;*;*;6.3 典型前向网络——BP网络;*;*;*;*;*;*;6.4 典型反馈网络——Hopfield网络;*;*;结论：总有 0，这表明神经网络在运行过程中能量将不断降低，最后趋于稳定的平衡状态。 ;连续型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;*;*;*;*;2 神经网络控制;1）神经网络监督控制;NN1;;NN1;*;4）神经网络的内模控制;6.8 单神经元控制的直流调速系统; ;*;单神经元直流调速系统参数设计;*;