5.4神经网络控制器的设计 (1).pptVIP

第五章 神经网络控制论 5.4神经网络控制器的设计 四、神经网络控制器的设计 神经网络控制的设计方法有四种： 直接逆模型控制法 直接网络控制法 多网络自学习控制法 单一神经元控制 1、直接逆模型控制法： 最直观的一种神经网络控制器实现方法，其基本思想就是假设被控系统可逆，通过离线建模得到系统的逆模型网络，然后用这一逆网络模型去直接控制被控对象 训练结构示意图 四、神经网络控制器的设计 四、神经网络控制器的设计 考虑如下单输入单输出系统： y(k+1)=f(y(k-1),...,y(k-n+1),u(k),...,u(k-m)) y: 系统的输出变量； u: 系统的输入变量； n：系统的阶数； m：输入信号滞后阶 f(·)：任意的线性或非线性函数 如果已知系统阶次n、m，并假设系统可逆，则存在函数g(·)，有： u(k)=g(y(k+1),...,y(k-n+1),u(k-1),...,u(k-m)) 四、神经网络控制器的设计 若能用一个多层前向传播神经网络来实现，则网络的输入输出关系为: uN=Π(x) 式中：uN为神经网络的输出，它表示训练完成后神经网络产生的控制作用； Π为神经网络的输入输出关系式，它用来逼近被控系统的逆模型函数g(·)； X为神经网络的输入矢量， X=[y(k+1),y(k