神经网络在控制中的应用专家讲座.pptxVIP

神经网络在控制中应用神经网络在控制中的应用专家讲座第1页

神经网络在控制中应用神经网络辨识技术神经网络控制技术神经网络在控制中的应用专家讲座第2页

5.1神经网络辨识系统辨识是自适应控制关键所在，它经过测量对象输入输出状态来预计对象数学模型，使建立数学模型和对象含有相同输入输出特征。神经网络对非线性函数含有任意迫近和自学习能力，为系统辨识，尤其是非线性动态系统辨识提供了一条十分有效路径。神经网络系统辨识实质上是选择一个适当神经网络模型来迫近实际系统数学模型。神经网络在控制中的应用专家讲座第3页

5.1神经网络辨识5.1.1神经网络系统辨识原理系统辨识原理就是经过调整辨识模型结构来使e最小。在神经网络系统辨识中，神经网络用作辨识模型，将对象输入输出状态u，y看作神经网络训练样本数据，以J=1/2e2作为网络训练目标，则经过用一定训练算法来训练网络，使J足够小，就能够到达辨识对象模型目标。神经网络在控制中的应用专家讲座第4页

5.1神经网络辨识5.1.2多层前向BP网络系统辨识假设非线性对象数学模型能够表示为：其中f是描述系统特征未知非线性函数，m，n分别为输入输出阶次。则能够利用多层前向BP网络来迫近非线性函数，进而预计对象模型。神经网络在控制中的应用专家讲座第5页

5.1神经网络辨识多层前向BP网络系统辨识原理图神经网络在控制中的应用专家讲座第6页

5.1神经网络辨识网络输出能够经过下式计算得到：H（*）表示隐层神经元激发函数Wij(1),Wj(2)分别表示网络第1-2层和2-3层连接权值神经网络在控制中的应用专家讲座第7页

5.1神经网络辨识定义网络训练目标函数为：则网络训练BP算法能够描述为：神经网络在控制中的应用专家讲座第8页

5.1神经网络辨识5.1.3.递归神经网络系统辨识递归神经网络结构神经网络在控制中的应用专家讲座第9页

5.1神经网络辨识递归神经网络输入输出关系能够描述为：H（*）表示隐层神经元激发函数Wij(1),Wjk(2)分别表示网络第1-2层和2-3层连接权值Wi(0)表示网络第一层递归权值神经网络在控制中的应用专家讲座第10页

5.1神经网络辨识因为递归神经网络本身含有动态反馈环，能够统计以前状态，所以用递归神经网络来对非线性对象进行辨识时只需以对象当前输入状态u(t)和前一时刻输出状态y(t-1)作为网络输入即可，与前向多层神经网络相比，网络结构较为简单。神经网络在控制中的应用专家讲座第11页

5.2神经网络控制神经网络在控制中主要起以下作用：(1)基于准确模型各种控制结构中充当对象模型；(2)在反馈控制系统中直接充当控制器作用；(3)在传统控制系统中起优化计算作用；(4)在与其它智能控制方法和优化算法相融合中,为其提供对象模型、优化参数、推理模型及故障诊疗等。神经网络在控制中的应用专家讲座第12页

5.2神经网络控制5.2.1神经网络直接反馈控制系统神经网络直接用作误差闭环系统反馈控制器，神经网络控制器首先利用其它已经有控制样本进行离线训练，而后以系统误差均方差为评价函数进行在线学习。神经网络在控制中的应用专家讲座第13页

5.2神经网络控制5.2.2神经网络逆控制自适应逆控制基本思想就是用被控对象传递函数逆模型作为串联控制器对控制对象实施开环控制。神经网络先离线学习被控对象逆动力学模型，然后用作对象前馈串联控制器。因为开环控制缺乏稳定性，所以神经网络还需要依据系统反馈误差在线继续学习逆动力学模型神经网络在控制中的应用专家讲座第14页

5.2神经网络控制5.2.3神经网络内模控制将对象模型与实际对象相并联，控制器迫近模型动态逆。普通有两种方法：1)两个神经网络分别迫近模型和模型逆；2)采取神经网络迫近模型，然后用非线性优化方法数值计算内模控制量。神经网络在控制中的应用专家讲座第15页

5.2神经网络控制5.2.4神经网络自适应控制（1）神经网络模型参考直接自适应控制模型参考自适应控制目标是：系统在相同输入激励r作用下，使被控对象输出y与参考模型输出ym到达一致。这么经过调整参考模型，能够调整系统动态特征。神经网络控制器（NNC）先离线学习被控对象逆动力学模型，与被控对象组成开环串联控制，而后神经网络依据参考模型输出与被控对象输出误差函数进行在线训练，使误差函数最小。神经网络在控制中的应用专家讲座第16页

5.2神经网络控制（2）神经网络模型参考间接自适应控制在直接自适应控制基础上，引入了一个神经网络辨识器（NNI）来对被控对象数学模型进行在线辨识，这么能够及时地将对象模型改变传递给NNC，使NNC能够得到及时有效训练。神经网络在控制中的应用专家讲座第17页

例：二关节机器