神经网络控制.pptVIP

第3章神经网络控制第2部分控制基础

3.5神经网络控制基础3.5.1神经网络控制的优越性神经网络可以处理那些难以用模型或规则描述的过程或系统。神经网络采用并行分布式信息处理,具有很强的容错性。神经网络是本质非线性系统,可实现任意非线性映射。神经网络具有很强的信息综合能力,能同时处理大量不同类型的输入,并能很好解决输入信息之间的互补性和冗余性问题。神经网络的硬件实现愈趋方便。

3.5.2神经网络控制的研究领域基于神经网络的系统辨识将神经网络作为被辨识系统的模型,可在已知常规模型结构的情况下,估计模型的参数。利用神经网络的线性、非线性特性,可建立线性、非线性系统的静态、动态、逆动态及预测模型,实现非线性系统的建模和辨识。神经网络控制器神经网络作为实时控制系统的控制器,对不确定、不确知系统及扰动进行有效的控制,使控制系统达到所要求的动态、静态特性。神经网络与其他算法相结合将神经网络与专家系统、模糊逻辑、遗传算法等相结合,可设计新型智能控制系统。

3.5.3神经网络控制的研究重点神经网络的稳定性与收敛性问题；神经网络控制系统的稳定性与收敛性问题；神经网络学习算法的实时性；神经网络控制器和辨识器的模型和结构。

3.5.4神经网络控制系统的结构类型神经网络在控制系统中的作用:充当对象的模型、控制器、优化计算环节等。神经网络的结构形式较多，分类标准不统一；对于不同结构的神经网络控制系统，神经网络本身在系统中的位置和功能各不相同，学习方法也不尽相同。几种实际的神经网络控制系统:神经网络监督控制；神经网络直接逆控制；神经网络自适应控制；神经网络内模控制；神经网络预测控制；神经网络自适应评判控制；神经网络混合控制。

(1)神经网络监督控制神经网络控制器是前馈控制器,建立被控对象的逆模型；神经网络控制器基于传统控制器的输出,在线学习调整网络的权值,使反馈控制输入趋近于零,从而使神经网络控制器逐渐在控制作用中占据主导地位,最终取消反馈控制器的作用；一旦系统出现干扰,反馈控制器重新起作用。可确保控制系统的稳定性和鲁棒性,有效提高系统的精度和自适应能力。

图中，_x001A_??_x001B_??_x001B_是??的函数，??是??的函数，??是??的函数，??又是网络权值的函数，因此_x001A_??_x001B_??_x001B_最终是网络权值的函数。故可通过使_x001A_??_x001B_??_x001B_逐渐趋于0来调整网络权值。当_x001A_??_x001B_??_x001B_=0时，从前馈通路看，有:??=??_x001A_??_x001B_=??_x001A__x001A_??_x001B_??_x001B__x001B_=??_x001A__x001A_??_x001B_?1_x001B__x001A__x001A_??_x001B_??_x001B__x001B__x001B_=_x001A_??_x001B_??_x001B_，此时再从反馈回路看，有:??=_x001A_??_x001B_??_x001B_???=0。传统控制器对象神经网络控制器??????+++-???期望输出

(2)神经网络直接逆控制将对象的神经网络逆模型直接与被控对象串联起来，使期望输出与对象实际输出之间的传递函数为1。缺点:无反馈，用作控制器的神经网络逆模型不准确时，抗干扰能力差，缺乏鲁棒性。两种改进结构方案:对象神经网络控制器?????

在开环结构的基础上增加了神经网络2，以实现对于网络1权值的在线调整；网络1和2映射特性相同(结构相同、权值相同)。系统通过偏差??调整两个网络的权值。当??=0时，网络具有对象的逆特性，因为此时意味着??=_x001A_??_x001B_??_x001B_，故对网络2:_x001A_??_x001B_??_x001B_=_x001A_??_x001B_?1_x001B_(??)；对网络1:??=_x001A_??_x001B_?1_x001B_(_x001A_??_x001B_??_x001B_)；显然，_x001A_??_x001B_?1_x001B__x001A_??_x001B_=_x001A_??_x001B_?1_x001B_(_x001A_??_x001B_??_x001B_)???=_x001A_??(??_x001B_?1_x001B_(_x001A_??_x001B_??_x001B_))=_x001A_??_x001B_??_x001B_。神经网络控制器1对象神经网络辨识器2?????+-????

用评价函数??(??)作为性能指标,调整神经网络控制器的权值；当性能指标为0时,