006第6章新型控制策略.pptxVIP

第6章 新型控制策略 为什么提出新型控制策略？ 一方面，以PID为核心的传统控制方式是一种基于被控对象的精确数学模型的控制方式。 另一方面，随着工业生产的飞速发展，被控对象越来越复杂，难以用精确的数学模型描述。 显然，传统控制技术难以解决上述现实问题。因此，提出新型控制策略。 本部分主要介绍模糊控制技术、神经网络控制技术、预测控制、最优控制、自适应控制等智能控制或先进控制技术，用来解决那些使用传统控制方法难以解决的复杂对象、复杂环境、复杂任务的控制问题。 我们主要介绍神经网络控制技术： 神经网络的理论基础， 典型神经网络， 神经网络控制 。 6.1 神经网络的理论基础 人工神经网络(简称神经网络，artificial Neural Network) 是相对于生物学中所说的生物神经网络系统而言的。提出的目的就在于用一定的简单数学模型来对生物神经网络结构进行描述，并在一定的算法指导前提下，使其能在某种程度上模拟生物神经网络所具有的智能行为，解决用传统算法所不能胜任的智能信息处理问题。 神经网络控制是将神经网络与控制理论相结合而发展起来的智能控制方法。它已成为智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。 6.1.1 神经网络发展简史神经网络研究始于1943 年，至今已经历了50 多年的漫长历程，并且不是从一开始就受到广泛关注的，而是经历了一条从兴起到萧条，又从萧条到兴盛的曲折发展道路。具体说来，大致可为以下4个阶段： 2. 低潮期（1969-1982年） 受当时神经网络理论研究水平的限制，加之受到冯·诺依曼式计算机发展的冲击等因素的影响，神经网络的研究陷入低谷。但在美、日等国仍有少数学者继续着网络模型和学习算法的研究，提出了许多有意义的理论和方法。例如，1969年，Grossberg提出了至今为止最复杂的ART神经网络。1972年，Kohonen提出了自组织映射的SOM模型。 3．复兴期（1982-1986年） 1982年，物理学家Hopfield提出了Hopfield神经网络模型，该模型通过引入能量函数，实现了问题优化求解，1984年他用此模型成功地解决了旅行商路径优化问题(TSP)。这一成果的取得使神经网络的研究取得了突破性进展。 1986年，在Rumelhart和McCelland 提出了一种著名的多层神经网络模型，即BP网络，该网络是迄今为止应用最普遍的神经网络。 4．高潮时期(1986年至现在) 神经网络从理论走向应用领域，出现了神经网络芯片和神经计算机。神经网络逐渐在模式识别与图像处理(语音、指纹、故障检测和图像压缩等)、控制与优化、预测与管理(市场预测、风险分析)、通信等领域得到成功的应用。 6.1.2 神经网络原理 单个（生物）神经元模型的示意图如下图所示。人脑大约包含1012个神经元，分成约1000种类型，每个神经元与102-104个其他神经元相连接，形成极为错综复杂而又灵活多变的神经网络。每个神经元虽然都十分简单，但是如此大量的神经元之间、如此复杂的连接却可以演化出丰富多彩的行为方式。 神经系统的基本构造是神经元（神经细胞），它是处理人体内各部分之间信息传递的基本单元。每个神经元都由一个细胞体、一个连接其他神经元的轴突和一些向外伸出的较短分支——树突组成。轴突的功能是将本神经元的输出信号（兴奋）传递给别的神经元，其末端的许多神经末梢使得兴奋可以同时传递给多个神经元。树突的功能是接收来自其他神经元的兴奋。神经元细胞体将接收到的所有信号进行简单的处理，由轴突输出。神经元的轴突与另外神经元相连的部分称为突触。 神经元由4部分构成：(1) 细胞体(主体部分)：包括细胞质、细胞膜和细胞核；(2) 树突：用于为细胞体传入信息；(3) 轴突：为细胞体传出信息，其末端是神经末梢，含传递信息的化学物质；(4) 突触：是神经元之间的接口(104一105个每神经元)。一个神经元通过其轴突的神经未梢，经突触与另外一个神经元的树突连接，以实现信息的传递。由于突触的信息传递特性是可变的，随着神经冲动传递方式的变化，传递作用强弱不同，形成了神经元之间连接的柔性，称为结构的可塑性。 神经元具有如下功能：(1) 兴奋与抑制：如果传入神经元的冲动经整合后使细胞膜电位升高，超过动作电位的阈值时即为兴奋状态，产生神经冲动，由轴突经神经未梢传出。如果传入神经元的冲动经整合后使细胞膜电位降低，低于动作电位的阈值时即为抑制状态，不产生神经冲动。 (2) 学习与遗忘：由于神经元结构的可塑性，突触的传递作用可增强和减弱，因此，神经元具有学习与遗忘的功能。 决定生物神经网络性能的3大要素为： (1)神经元(信息处理单元)的特性；(2)神经元之间相互连接的形式-----拓扑结构；(3)为适应环境而改善性能的学习规则