第9章智能控制理论 (2).pptVIP

9.3单神经元网络控制9.3.1单神经元自适应控制算法单神经元自适应控制的结构如图9-9所示。图9-9单神经元自适应PID控制结构第30页，共63页，星期日，2025年，2月5日单神经网络控制器第31页，共63页，星期日，2025年，2月5日单神经元自适应控制器是通过对加权系数的调整来实现自适应、自组织功能，控制算法为如果权系数的调整按有监督的Hebb学习规则实现，即在学习算法中加入监督项，则神经网络权值学习算法为：第32页，共63页，星期日，2025年，2月5日式中，为学习速率，为神经元的比例系数，。第33页，共63页，星期日，2025年，2月5日值的选择非常重要。越大，则快速性越好，但超调量大，甚至可能使系统不稳定。当被控对象时延增大时，值必须减少，以保证系统稳定。值选择过小，会使系统的快速性变差。第34页，共63页，星期日，2025年，2月5日输入指令为一方波信号采样时间为1ms，采用单神经元自适应控制律进行控制。仿真程序：chap9_1.m9.3.2仿真实例被控对象为第35页，共63页，星期日，2025年，2月5日9.4RBF网络监督控制9.4.1RBF网络监督控制算法基于RBF网络的监督控制系统结构如图9-14所示。第36页，共63页，星期日，2025年，2月5日图9-14神经网络监督控制第37页，共63页，星期日，2025年，2月5日在RBF网络结构中，取网络的输入为，网络的径向基向量为，为高斯基函数：其中，为节点的基宽度参数，，为网络第个结点的中心矢量，，。第38页，共63页，星期日，2025年，2月5日网络的权向量为：RBF网络的输出为：其中为RBF网络隐层神经元的个数。控制律为：第39页，共63页，星期日，2025年，2月5日设神经网络调整的性能指标为：采用梯度下降法调整网络的权值：近似地取由此所产生的不精确通过权值调节来补偿。第40页，共63页，星期日，2025年，2月5日神经网络权值的调整过程为：其中为学习速率，为动量因子。则第41页，共63页，星期日，2025年，2月5日9.4.2仿真实例?被控对象为：RBF网络监督控制程序为chap9_2.m第42页，共63页，星期日，2025年，2月5日9.5RBF网络自校正控制9.5.1神经网络自校正控制原理自校正控制有两种结构：直接型与间接型。直接型自校正控制也称直接逆动态控制，是前馈控制。间接自校正控制是一种由辨识器将对象参数进行在线估计，用调节器（或控制器）实现参数的自动整定相结合的自适应控制技术，可用于结构已知而参数未知但恒定的随机系统，也可用于结构已知而参数缓慢时变的随机系统。第43页，共63页，星期日，2025年，2月5日神经间接自校正控制结构如图9-17所示，它由两个回路组成：（1）自校正控制器与被控对象构成的反馈回路。（2）神经网络辩识器与控制器设计，以得到控制器的参数。辩识器与自校正控制器的在线设计是自校正控制实现的关键。第44页，共63页，星期日，2025年，2月5日图9-17神经网络间接自校正控制框图控制器设计神经网络辩识器自校正控制器被控对象第45页，共63页，星期日，2025年，2月5日第1页，共63页，星期日，2025年，2月5日从控制角度来看，神经网络用于控制的优越性主要表现为：（1）神经网络可以处理那些难以用模型或规则描述的对象；（2）神经网络采用并行分布式信息处理方式，具有很强的容错性；（3）神经网络在本质上是非线性系统，可以实现任意非线性映射。神经网络在非线性控制系统中具有很大的发展前途；第2页，共63页，星期日，2025年，2月5日（4）神经网络具有很强的信息综合能力，它能够同时处理大量不同类型的输入，能够很好地解决输入信息之间的互补性和冗余性问题；（5）神经网络的硬件实现愈趋方便。大规模集成电路技术的发展为神经网络的硬件实现提供了技术手段，为神经网络在控制中的应用开辟了广阔的前景。第3页，共63页，星期日，2025年，2月5日神经网络控制所取得的进展为：