自动化概论第2章-3-智能控制.pptVIP

y Σθf(·) ... w1 wn w2 x1 x2 xn ... wi：连接权系数 θ：阈值 f(·) ：输出变换函数 θ, f 的确定: 根据应用 wi 的确定: 通过学习 一、人工神经元模型 输出变换函数的常见类型: y s 1 -1 s 1 0 0.5 y s 1 -1 y 0 控制中常用 ②，③，④ ② 比例函数 ③ S 状函数 ④ 双曲函数 ① 符号函数 ① ③ ④ 二、神经元的学习方法 学习规则： wi(k+1) = wi(k) + μivi(k) , i = 1, 2, ..., n k —— 第 k 次学习 μi —— 学习速率 （μi 0） vi(k) —— 学习信号（通常为误差的函数） y Σθf(·) ... w1 wn w2 x1 x2 xn ... 学习规则 学习信号 学习的意义： 通过调整权值 wi ，使神经元具有期望的输入输出模式 学习方法——梯度下降法： 特点： 沿梯度方向下降一定能到达 J 的极小点； 学习的快慢取决于学习速率μi 的选取； 缺点是可能陷入局部最小点。 J W W(k) 梯度方向 简单例： 设 y = w1x1 （即 θ= 0 , f(s) = s） w1 的初值 w1(0) = 0 y Σθf(·) w1 x1 单输入神经元 取性能指标为 J = e2(k)／2 = [ 2 – y(k)] 2 ／2 = [ 2 – w1(k)] 2 ／2 则有 J w1 2 梯度方向 0 2 用梯度下降法, 使 x1 = 1 时, y = 2 k 1 2 3 4 5 w1(k), y(k) 1 1.5 1.75 1.875 1.9375 k 1 2 3 4 5 w1(k), y(k) 3 1.5 2.25 1.875 2.0625 表 6-1 μ=0.5 时的学习结果 ( 学习速率较小 ) 表 6-2 μ=1.5 时的学习结果 ( 学习速率较大 ) k 1 2 3 4 5 w1(k), y(k) 4 0 4 0 4 表 6-3 μ=2 时的学习结果 ( 学习速率过大 ) * 主要内容 智能控制的基本概念 专家控制（Expert Control） 模糊控制（Fuzzy Control） 神经网络控制（Neural Network Control） 对智能控制的一些展望 2.3.1 智能控制的基本概念 什么是“智能”? 什么是“智能控制”？ 人的智能表现在其所具有的记忆、学习、模仿、适应、联想、语言表达、文字识别、逻辑推理、归纳总结、综合决策等各种能力。 当自动控制方式明显地具有这些智能特征时，就称其为“智能控制”。 人与智能控制 人本身就是一个非常完美的智能控制系统，人脑及神经系统相当于智能控制器，对通过感官获取的各种信息进行综合分析、处理和决策，并利用手和脚等执行机构作出相应的反应，能适应各种复杂的控制环境，完成难度很大的任务。 传统自动控制与智能控制 广义地讲，几乎所有的自动控制系统都在一定程度上模仿了人的控制方式，或多或少地具有“智能”，但是今天我们所讲的“智能控制”仍然有别于传统的自动控制方式，两者虽无明确的界限，但存在明显的区别。 传统的自动控制是基于数学模型、以定量分析为主；而智能控制则更多地基于知识，利用专家经验、逻辑推理、学习功能、遗传和进化机制等来进行控制，是以定性分析为主、定量与定性相结合的控制方式。 * 智能控制的主要特点 体现了人的控制策略和控制思想，拥有受控对象及环境的相关知识以及运用这些知识的能力，具有很强的自适应、自学习、自组织和自协调能力、能在复杂环境下进行综合分析、判断和决策，实现对复杂系统的控制。 属于典型的交叉学科，涉及人工智能、自动控制、运筹学、系统论、信息论等，在系统的实现上则必须依托计算机技术。 基本上属于“方法”范畴，理论分析困难，理论体系尚未建立。 萌芽期（60年代） 形成期（70年代） 发展期（80年代） 高潮期（90年代至今） 智能控制的发展阶段： 智能控制的主要类型 专家控制 模糊控制 神经网络控制 学习控制 基于规则的仿人控制 什么是专家系统、专家控制? 2.3.2 专家控制（Expert Control） “专家” 是具有某一领域专门知识或丰富实践经验的人，而“专家系统”则是一个计算机系统，存储有专家