5基于神经网络的系统辨识与控制.pptxVIP

北京理工大学自动化学院;第五章 基于神经网络的系统辨识与控制 ;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.1 基于神经网络的系统辨识;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;NN1和NN2为具有完全相同的网络结构，并采用相同的学习算法，分别实现对象的逆。;5.2 神经网络控制;用神经网络逼近 和 得到 和;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;其中 为学习速率， 为动量因子。;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;设参考模型输出为 ，控制系统要求对象的输出 能够跟踪参考模型的输出 ，则跟踪误差为： ;其中m为隐含层节点的个数， 为第j个网络隐含层神经元与输出层之间的权值， 为第j个隐含层神经元的输出。;其中 为节点 j 的基宽度参数， ， 为网络第 j个结点的中心，;5.2 神经??络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;例 已知线性系统 ， 进行内模控制设计 阶跃输入： r (t)=1(t) 输出端扰动：v(t)=0.1(t-4.5);5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;如：移动机器人 设机器人当前位置为环境的状态，学习是为求解动作序列，使其以最短路径，从任一位置到达目标位置，则再励信号可设为;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;5.2 神经网络控制;