线性系统的能控性能观性和系统综合.pptVIP

第二十三讲 神经网络自适应控制 目录(1/2) 目录(2/2) 1.引言(1/5) 1.引言 由于NN,尤其是多层感知器(MLP),对连续函数映射关系具有较好的逼近能力,能以任意精度逼近平方可积的连续函数影射. --基于函数最优一致逼近的Weistrass定理可以证明,对任何平方可积函数,可以由多层BP网络以任意精度最优一致逼近. 因此NN是一种良好的函数逼近工具,可广泛应用于实质上可以归结为函数逼近问题的应用领域中,如 各种专门领域的数学模型实验建模、 控制与系统科学领域的系统辨识、 3.NN控制的结构方案(1/2) 3.神经网络控制的结构方案 由于分类方法的不同,神经网络(NN)控制系统的结构也就有所不同.本节将简要介绍神经控制结构的典型方案,包括 NN学习控制 NN直接逆模型控制 NN自适应控制 NN内模控制 NN预测控制 NN衰减激励自适应控制 3.NN控制的结构方案(2/2) NN自适应判断控制 基于CMAC的控制 多层NN控制 分级NN控制 3.1 NN学习控制(1/8) 3.1 神经网络学习控制 由于被控系统的动态特性是未知的或者仅有部分是已知的,因此需要寻找某些支配系统动作和行为的规律,使得系统能被有效地控制. 在有些情况下,可能需要设计一种能够模仿人类作用的自动控制器. 基于规则的专家控制和模糊控制是实现这类控制的两种方法, 而NN控制是另一种方法,我们称