神经网络与智能控制技术课件.ppt

《神经网络与智能控制技术课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第四章神经网络与智能控制对象神经网络控制神经网络控制是将神经网络在相应的控制结构中做控制器、辨识器神经网络控制主要是为解决复杂的非线性、不确定、不确知系统，在不确定、不确知环境中的控制问题神经网络控制使控制系统稳定、鲁棒性好，具有要求的动态、静态性能引言由于神经网络具有大规模并行性、冗余性、容错性、本质的非线性及自组织、自学习、自适应能力，故已成功地应用于许多不同的领域。如在最优化、模式识别、信号处理和图像处理等领域首先取得了成功。神经网络理论的诞生同样给不断面临着挑战的控制理论带来生机。控制理论在经历了经典控制论、状态空间论、动态规划、最优控制等阶段以后，随着被

2、控对象变得越来越复杂、控制精度越来越高、对对象和环境的知识知道甚少的情况下，智能控制理论和技术迅速顺起。此外，在有众多不确定因素和难以确切描述的非线性控制系统中，对控制的要求也越来越高，因此迫切希望新一代的控制系统具有自适应自学习能力、良好的鲁棒性和实时性、计算简单、柔性结构和自组织并行离散分布处理等智能信息处理的能力。用神经网络构成的控制系统就是这样一代新颖控制系统之一。一、神经网络用于控制的优越性⑴可以处理那些难以用模型或规则描述的过程或系统。⑵采用并行分布式信息处理方式，具有很强的容错性。⑶神经网络是本质的非线性系统。目前研究最多的神经网络模型是多层前向传播

3、网络，它是由大量具有S形曲线的非线性神经元组成的。它可以实现任何非线性映射。⑷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，能解决输入信息之间的互补性与冗余性问题，协调好互相矛盾的输入信息。⑸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，这使处理速度进一步提高，为神经网络的应用开辟了广阔的前景。二、神经网络的逼近能力前向传播神经网络若含有两个隐含层，且神经元激励函数为单调的S型函数，则此神经网络能够得到合适的逼近精度。三、神经网络控制的设计⑴1.确定性系统与环境（１）已知对象特性及外加扰动是确定性的，时不变的；（２）已知系统期望输出r，要

4、求的性能指标。控制系统的设计：设计控制器，校正对象的特性，使控制系统达到要求的性能指标，即，使控制系统在r作用下，由控制器给出的控制量u作用于对象，使其输出y跟踪r。对于确定性系统与环境，选择某种控制结构，可设计出确定参数的控制器。三、神经网络控制的设计⑵2．不确定、不确知系统与环境对处于不确定、不确知环境中的复杂的非线性不确定、不确知系统的设计问题，是控制领域研究的核心问题。神经控制是解决问题的一条途径。在已知被控对象的一些先验知识情况下：⑴由神经网络做辨识器，在线识别对象模型，由于网络的学习能力，辨识器的参数可随着对象、环境的变化而自适应的改变。⑵由神经网络做

5、控制器，其性能随着对象、环境的变化而自适应的改变（通过神经辨识器）。四、神经网络控制的实现⑴神经控制是数字控制，用数字量实现对被控对象的控制，讨论连续对象用数字计算机实现的神经控制问题。硬件1.　神经控制系统的组成以单输入输出系统为例，见图：①连续被控对象②神经控制器③模拟输入通道④模拟输出通道⑤实时时钟四、神经网络控制的实现⑵①主程序:功能是进行系统初始化设置。②控制子程序:实现神经控制算法，若既有辩识器又有控制器的控制结构，则，神经控制算法包括这两部分。软件四、神经网络控制的实现⑶２.实时控制五、神经网络控制器的分类根据神经网络在控制器中的作用不同，神经网络在

6、控制系统设计中的应用一般分为两类，一类称神经控制，它是以神经网络为基础而形成的独立智能控制系统；另一类称为混合神经网络控制，它代表着那些利用神经网络学习和优化能力来改善传统控制的现代控制方法，如自适应神经控制等。目前神经控制器的分类还存在较大的争议，没有一个统一的分类法。综合目前各国专家的分类法，我们将一些典型的神经网络的控制结构和学习方式归结为以下七类。⒈导师指导下的控制器这种神经网络控制结构的学习样本直接取自于专家的控制经验。神经网络的输入信号来自传感器的信息和命令信号。神经网络的输出就是系统的控制信号。一旦神经网络的训练达到了能够充分描述人的控制行为，则网络

7、训练结束。神经网络控制器就可以直接投入实际系统的控制。这种控制结构简单，控制成功的把握大。在功能上它能模拟人类的控制技巧，同专家控制具有相当的功能，从获取知识的角度来看，神经网络更胜一筹。这种控制器的缺陷是其网络的训练只涉及静态过程，缺乏在线学习机制，且在网络训练时控制器不能投入实际运行。⒉逆控制器神经网络接受系统的被控状态信息，神经网络的输出与该被控制系统的控制信号之差作为调整神经网络权系数的校正信号，并可利用常规的BP学习算法及其改进的算法来进行控制网络的训练。一旦训练成功，从理论上来看只要直接把神经网络控制器接到动力学系统的控制端就可以实现无差跟踪控制，即要

8、实现期望的