模糊神经网络控制与自适应神经网络.pptVIP

基于神经元网络的自适应控制 神经网络控制器完全满足自适应控制的要素 在线、实时地了解对象； 有一个可调节环节； 能使系统性能达到指标要求和最优。 常规的神经网络控制器本身也具有一定的自适应能力 。 设计思想 与传统的自适应控制器一样 ，有两种不同的设计途径 ： 7.2.1 神经网络的模型参考自适应控制 7.2.2 神经网络的自校正控制 7.2 基于神经元网络的自适应控制 模型参考自适应控制 通过选择一个适当的参考模型和由稳定性理论设计的自适应算法，并利用参考模型的输出与实际系统输出之间的误差信号，由一套自适应算法计算出当前的控制量去控制系统达到自适应控制的目的。 在实时性方面都没有重大进展。 控制策略 如果被控系统 y(k+1)=f(y(k),y(k-1),u(k-1))+g(u(k)) 参考系统： ym(k+1)=a1ym (k)+a2ym (k-1)+r(k) 则控制输入可取： 基于神经网络的模型参考自适应控制结构 例7-1 非线性控制对象为 参考系统的模型为： 控制策略 则控制系统的误差方程为 其中 上述控制可渐渐稳定。 离线辨识的控制效果 u(k)=-Ni(y(k),y(k-1))+0.6y(k)+0.2y(k-1)+r(k) 取r(k)=sin(2πk/25) 在线辨识后的控制