神经网络的发展前景及其在金过程控制中的应用.ppt

内容概要： 神经网络的基本理论 神经网络控制 神经网络的发展现状及其应用现状 神经网络在冶金过程控制中的应用 结束语 神经网络的特点 可以充分逼近任何复杂的非线性关系 所有定量或定性的信息都等势分布储存与网络内的各神经元，固有很强的鲁棒性(指在不确定因素下存在的情况下，系统保持其原有性质的能力 )和容错性 采用并行分布处理方法，使得快速进行的大量运算成为可能 可学习和自适应未知和不确定的系统 能够同时处理定量、定性知识 * * 人工神经网络（Artificial Neural Network）简称神经网（NN），是以对大脑的生理研究为基础的，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能而设计的一种机器。 人工神经网络是以人的大脑神经网络为参照物而研究出的一种模型，网络上的每个结点相当于一个神经元，可以记忆（存储）、处理一定的信息，并与其它结点并行工作。 根据生物神经元结构，1943年神经病学家、神经解剖学家McCulloch与数学家Pitts总结了生物神经元的一些基本生理特性，提出了MP神经元数学模型，MP模型是神经网络的第一个数学模型。 MP模型基于一种思想：神经细胞的工作方式要么兴奋，要么抑制。由于神经元之间的信号连接强度取决于突触的状态，因此在MP模型中，神经元的每个突触的活动强度用一个固定的实数即权值模拟。 神经网络有很多种模型，如MP模型，感知器BP网络模型，自组织竞争型神经网络小脑神经模型，递归型神经网络霍普菲尔德神经网络等等。 BP网络模型 小脑神经网络在液位控制 神经网络控制 神经网络控制（简称神经控制）就是将（人工）神经网络在相应的控制结构中作控制器与辨识器，主要是为了解决复杂的非线性、不确定、不确知系统，在不确定、不确知环境中的控制问题，是控制系统稳定、鲁棒性好，具有要求的动态、静态（或称稳态）性能。神经网络控制是闭环负反馈控制系统，控制器与辨识器是用数字计算机由程序实现的，因此也是计算机控制系统。 带神经网络的控制 20世纪40年代——神经元模型的诞生 20世纪50年代——从单神经元到单层网络，形成第一次热潮 20世纪60年代——学习多样化和神经网络的急剧冷落 20世纪70年代，神经网络在低迷中顽强的发展。 20世纪80年代——研究热潮再度兴起 20世纪90年代，神经网络的发展再度掀起热潮，产生了许多边缘交叉学科。 进入21世纪，随着研究的不断深入，研究的领域也越来越广，道路也越来越艰难。 目前，让人们对人工神经网络的研究可以分为 三个方面：理论模型，应用，以及实现技术。 理论研究是最根本的，应用虽然非常广泛但仍需不断地加深和完善它的性能，实现技术比较困难而且研究进展比较缓慢。 目前神经网络的研究方向： 神经计算理论的框架以及生理层面的研究仍需深入； 传统的多层感知机、径向基函数网络、自组织特征映射网络、模糊神经网络等得到基础上，一些新的模型和结构很值得关注； 神经网络的可理解性是一个重要问题；神经网络应用于控制时的问题值得研究解决； 以及对于神经网络系统的研究等等各方面的问题给人们的研究带来了极大地挑战。 神经网络的和其它模型的结合，是其发展的一个重要方面，对于它的研究也将是神经网络目前和将来研究的重大课题。 多层感知器神经网络 神经网络的应用现状： ( 1)自动控制领域 神经网络方法已经覆盖了控制理论中的绝大多数问题 ,主要有系统建模与辨识、P ID参数整定极点配置、内模控制、优化设计、预测控制、优控制、自适应控制、滤波与预测容错控制、糊控制和学习控制等。 ( 2)处理组合优化问题 最典型的例子是成功地解决了TSP问题 ,即旅行推销员问题 ,另外还有最大匹配问题、箱问题和作业调度等。 ( 3)模式识别 最典型的例子是成功地解决了TSP问题 ,即旅行推销员问题 ,另外还有最大匹配问题、箱问题和作业调度等。 ( 4)图像、号处理 对图像进行边缘监测、像分割、图像压缩和图像恢复。能分别对通讯、语音、电和脑电信号进行处理分类。 ( 5)传感器信号处理 传感器输出非线性特性的矫正、感器故障检测、滤波与除噪、环境影响因素的补偿、传感器信息融合。 ( 6)机器人控制 对机器人眼手系统位置进行协调控制 ,用于机械手的故障诊断及排除、能自适应移动机器人的导航。 ( 7)焊接领域 国内外在参数选择、量检验、质量预测和实时控制方面都有研究 ,部分成果已得到应