哈工大智能控制神经网络神经网络控制.pptxVIP

哈工大智能控制神经网络神经网络控制第1页/共78页 主要内容第2页/共78页神经网络控制基础神经PID控制神经模型参考自适应控制与NARMA控制神经内模控制神经网络逆控制模型预测控制(MPC)* NN控制基础第3页/共78页是将神经网络在相应的控制结构中做控制器、辨识器主要是为解决复杂的非线性、不确定、不确知系统，在不确定、不确知环境中的控制问题使控制系统稳定、鲁棒性好，具有要求的动态、静态性能 NN控制与已有控制方法关系第4页/共78页能对变化的环境具有自适应性，且成为基本上不依赖于模型的一类控制，因此，神经控制已成为“智能控制”的一个新的分支将具有学习能力的控制系统称为学习控制系统。NN控制是有学习能力的，属于学 习控制 控制系统设计过程第5页/共78页控制系统分析――正问题求解：已知控制系统中各环节结构、参数；已知被控对象所处的环境求解控制系统的稳定性、动态、稳态特性。控制系统设计（综合）――逆问题求解：有多种解法，可选择不同的控制结构，确定不同的准则函数。 确定性系统NN控制设计第6页/共78页已知对象特性及外加扰动是确定性的，时不变的；已知系统期望输出r，要求的性能指标。控制系统的设计：设计控制器，校正对象的特性，使控制系统达到要求的性能指标，即使控制系统在r作用下，由控制器给出的控制量u作用于对象，使其输出y跟踪r。对于确定性系统与环境，选择某种控制结构，可设计出确定参数的控制器。 不确定环境下NN控制设计第7页/共78页对处于不确定、不确知环境中的复杂的非线性不确定、不确知系统的设计问题，是控制领域研究的核心问题。神经控制是解决问题的一条途径。在已知被控对象的一些先验知识情况下：由神经网络做辨识器，在线识别对象模型，由于网络的学习能力，辨识器的参数可随着对象、环境的变化而自适应的改变。由神经网络做控制器，其性能随着对象、环境的变化而自适应的改变（通过神经辨识器）。 NN控制结构示例第8页/共78页 神经网络系统实现(硬件)第9页/共78页①连续被控对象②神经控制器③模拟输入通道④模拟输出通道神经控制绝大多数是数字控制，用数字量实现对被控对象的控制，讨论连续对象用数字计算机实现的神经控制问题。神经控制系统的组成（1）硬件⑤ 实时时钟 神经网络系统实现示意图(硬件)第10页/共78页 神经网络系统实现示意图(软件)21D t3D tD t起 始主程序：初始化设置输出和存储算法否采控制数据子程序 控制控制量的样?是采集第11页/共78页 神经PID控制第12页/共78页PID控制是工业过程控制中常用的控制方法，因PID控制器结构简单、实现简易，且能对相当一些工业对象（或过程）进行有效的控制。常规PID控制局限性在于控制对象具有复杂的非线性特性，难以建立精确的数学模型，且由于对象和环境的不确定性，往往难以达到满意的控制效果。神经PID控制是针对上述问题而提出的一种控制策略。 经典数字PID控制器数字PID控制基本算式各部分作用：……设计目标：调整kp, ki, kd.使用经典PID设计，得到常数系数。第13页/共78页 神经PID控制器基本思想第14页/共78页 神经PID控制结构由辨识器NNI在线辨识对象，对控制器 NNC的权系进行实时调整，使系统具有自适应性，从而达到控制目的。第15页/共78页 神经PID控制——辨识器第16页/共78页 神经PID控制——辨识器II第17页/共78页 神经PID控制——学习算法第18页/共78页 神经PID控制器——学习算法由神经网络辨识器计算得出第19页/共78页 演示第20页/共78页神经PID控制器演示 NN直接模型参考自适应控制构造一个参考模型，使其输出为期望输出，控制的目的是使y跟踪r。第21页/共78页 NN间接模型参考自适应控制构造一个参考模型，使其输出为期望输出，控制的目的，是使y跟踪r。对象特性非线性、不确定、不确知时采用。第22页/共78页 NN 模型参考自适应控制(MRAC)第23页/共78页 系统使用神经网络第24页/共78页 示例：单自由度机械臂：摆角；u: 电机施加扭矩参考模型：第25页/共78页 NN MRAC控制器演示第26页/共78页mrefrobotarm NARMA数学模型推导(1)使用状态方程表示SISO非线性系统：从时刻k开始进行递推：第27页/共78页 NARMA数学模型推导(2)令则有：并因此有：由代入上式，有：或记为：第28页/共78页 NARMA数学模型推导(3)根据 即有:当系统相对阶为d时，则有：系统控制问题：选择使第29页/共78页 NARMA-L1模型在U=0处展开，有：控制算法：第30页/共78页 NARMA-L2模型在u(k)=0处展开，有：因此，控制量可取：第31页/共78页 NN NARMA辨识器第32页/共78页