神经网络控制理论.pptxVIP

神经网络控制理论第1页/共356页第2页/共356页智能预测控制及其MATLAB实现第3页/共356页目 录第一篇 神经网络控制及其MATLAB实现 第二篇 模糊逻辑控制及其MATLAB实现第三篇 模型预测控制及其MATLAB实现第4页/共356页第一篇 神经网络控制及其MATLAB实现 第5页/共356页第1章 神经网络控制理论 1.1 神经网络的基本概念 1.2 典型神经网络的模型及其MATLAB实现 1.3 神经网络控制系统 第6页/共356页 人脑是一部不寻常的智能机，它能以惊人的高速度解释感觉器官传来的含糊不清的信息。它能觉察到喧闹房间内的窃窃私语，能够识别出光线暗淡的胡同中的一张面孔，更能通过不断地学习而产生伟大的创造力。古今中外，许许多多科学家为了揭开大脑机能的奥秘，从不同的角度进行着长期的不懈努力和探索，逐渐形成了一个多学科交叉的前沿技术领域——神经网络(Neural Network)。 第7页/共356页 人工神经系统的研究可以追溯到1800年Frued的精神分析学时期，他已经做了一些初步工作。1913年人工神经系统的第一个实践是由Russell描述的水力装置。1943年美国心理学家Warren S McCulloch与数学家Walter H Pitts合作，用逻辑的数学工具研究客观事件在形式神经网络中的描述，从此开创了对神经网络的理论研究。他们在分析、总结神经元基本特性的基础上，首先提出神经元的数学模型，简称MP模型。从脑科学研究来看，MP模型不愧为第一个用数理语言描述脑的信息处理过程的模型。后来MP模型经过数学家的精心整理和抽象，最终发展成一种有限自动机理论，再一次展现了MP模型的价值，此模型沿用至今，直接影响着这一领域研究的进展。 第8页/共356页 1949年心理学家D.O.Hebb提出关于神经网络学习机理的“突触修正假设”，即突触联系效率可变的假设，现在多数学习机仍遵循Hebb学习规则。1957年，Frank Rosenblatt首次提出并设计制作了著名的感知机（Perceptron），第一次从理论研究转入过程实现阶段，掀起了研究人工神经网络的高潮。今天，随着科学技术的迅猛发展，神经网络正以极大的魅力吸引着世界上众多专家、学者为之奋斗。在世界范围内再次掀起了神经网络的研究热潮，难怪有关国际权威人士评论指出，目前对神经网络的研究其重要意义不亚于第二次世界大战时对原子弹的研究。 第9页/共356页 人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其他传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。 第10页/共356页 使用神经网络的主要优点是能够自适应样本数据，当数据中有噪声、形变和非线性时，它也能够正常地工作，很容易继承现有的领域知识，使用灵活，能够处理来自多个资源和决策系统的数据；提供简单工具进行自动特征选取，产生有用的数据表示，可作为专家系统的前端（预处理器）。此外，神经网络还能提供十分快的优化过程，尤其以硬件直接实现网络时，而且可以加速联机应用程序的运行速度。当然，过分夸大神经网络的应用能力也是不恰当的，毕竞它不是无所不能的。这就需要在实际工作中具体分析问题，合理选择。 第11页/共356页 基于神经网络的控制称为神经网络控制（NNC），简称神经控制（NC——Neurocontrol）这一新词是在国际自控联杂志《自动化》（Automatica）1994年No.11首次使用的，最早源于1992年H．Tolle和E．Ersu的专著《Neurocontrol》。基于神经网络的智能模拟用于控制，是实现智能控制的一种重要形式，近年来获得了迅速发展。本节介绍神经控制的基本概念、基本结构、神经控制系统的组成及其实现神经控制和神经—模糊控制的基本方法。 第12页/共356页1.1 神经网络的基本概念 1.1.1 生物神经元的结构与功能特点 神经生理学和神经解剖学证明了人的思维是由人脑完成的。神经元是组成人脑的最基本单元，它能够接受并处理信息，人脑大约由1011?1012个神经元组成，其中每个神经元约与104?105个神经元通过突触连接，因此，人脑是一个复杂的信息并行加工处理巨系统。探索脑组织的结构、工作原理及信息处理的机制，是整个人类面临的一项挑战，也是整个自然科学的前沿领域。第13页/共356页1．生物神经元的结构 生物神经元（以下简称神经元），也称神经细胞，是构成神经系统的基