5.3神经网络控制的学习机制.pptVIP

第五章 神经网络控制论 5.3神经网络控制的学习机制 神经元控制器的目的在于如何设计一个有效的神经元网络去代替传统控制器的作用，使得系统的输出跟随系统的期望输出。为了达到这个目的，神经网络的学习方法就是寻找一种有效的途径进行网络连接权阵或网络结构的修改，从而使得网络控制器输出的控制信号能够保证系统输出跟随系统的期望输出。 三、神经网络控制的学习机制 学习机制分为： 监督式学习（有导师指导下的控制网络学习 ） 离线学习法 在线学习法 反馈误差学习法 多网络学习法 增强式学习（通过某一评价函数指定下的学习） 三、神经网络控制的学习机制 1、离线学习法 适合静态环境，网络离线训练中选择的性能指标为u-uc的平方误差极小，这一指标并不能保证系统的最终性能yd-y的平方误差极小 三、神经网络控制的学习机制 2、在线学习法： 找出一个最优控制量u使得系统输出y趋于期望输出yd。权阵的调整应该使得yd-y的误差减少最快 适合模型已知的动态环境 三、神经网络控制的学习机制 学习算法： 采用最速下降法 假设系统的Jacobian矩阵已知 三、神经网络控制的学习机制 3、反馈误差学习法 适用于非线性系统线性绝对占优条件下的网络学习 三、神经网络控制的学习机制 4、多神经网络学习法（两种） 三、神经网络控制的学习机制 增强式学习 当某些被控系统的导师信号无法得到时，期望输出就没有