第3章人工神经元网络控制论控制基础ppt课件.ppt

《第3章人工神经元网络控制论控制基础ppt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3章人工神经元网络控制论－控制基础智能控制基础3.1引言3.2前向神经网络模型3.6神经网络控制基础3.7非线性动态系统的神经网络辨识3.8神经网络控制的学习机制3.9神经网络控制器的设计3.3动态神经网络模型3.10单一神经元控制法目录23.6.1引言神经网络控制的优越性神经网络控制器的分类神经网络的逼近能力神经网络是一种具有高度非线性的连续时间动力系统，它有着很强的自学习功能和对非线性系统的强大映射能力，已广泛应用于复杂对象的控制中。神经网络所具有的大规模并行性、冗余性、容错性、本质的非线

2、性及自组织、自学习、自适应能力，给不断面临挑战的控制理论带来生机。3神经网络控制的优越性1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2神经网络采用并行分布式信息处理，具有很强的容错性。3神经网络是本质的非线性系统，可以实现任意非线性映射。4很强的信息综合能力，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4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

3、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；5根据神经网络在控制器中的作用不同，神经网络控制器可分为两类，一类为神经控制，它是以神经网络为基础而形成的独立智能控制系统；另一类为混合神经网络控制，它是指利用神经网络学习和优化能力来改善传统控制的智能控制方法，如自适应神经网络控制等。综合目前的各种分类方法，可将神经网络控制的结构归结为以下六类。神经网络控制器的分类6神经网络控制器的分类导师指导下的控制器逆控制器自适应网络控制器前馈控制结构自适应评价网络混合控制系统神

4、经网络控制器7(1)导师指导下的控制器学习样本取自于专家经验输入来自传感器，输出为控制信号缺点是静态过程缺乏在线学习机制8系统为根据视觉信息对机械手臂进行控制，使其能够准确地对不规则形状物体进行抓举。系统组成：（1）神经网络控制器NC为一块嵌入式DSP处理器，神经网络算法根据上述原理由程序实现。（2）对象P为被控对象机械臂，其各关节驱动电机的信号线与NC输出端相连，作为神经网络的输出。(1)导师指导下的控制器（3）系统的输入为机器视觉信息经转化后的数字信号（多维），其中包含了物体的位置和形状信息

5、；输出为机械臂各部分的位置电信号及传感器信号（多维）。（4）NC包含训练引脚，其与有人手控制的机械臂的驱动信号相连。该信号作为以人为导师的导师值训练信号。(1)导师指导下的控制器(1)导师指导下的控制器(2)逆控制器神经网络的训练目的是逼近系统的逆动力学模型，Yd期望输出作为神经网络输入以便使期望输出与对象实际输出之间的传递函数为1，则被控对象的输出为期望输出。12(3)自适应网络控制器模型参考自适应网络控制器利用神经网络代替线性系统中的线性处理单元控制误差反馈到控制器进行修改使误差最小13(4

6、)前馈控制结构基于鲁棒性问题提出反馈的目的在于提高抗随机扰动的能力非线性成分由网络控制器完成难点是如何在系统模型未知条件下找到有效的学习方法14(4)前馈控制结构15(4)前馈控制结构16(4)前馈控制结构17(4)前馈控制结构18(4)前馈控制结构19(4)前馈控制结构20(5)神经网络自适应评价控制通常由两个单元组成：搜索单元和自适应评价单元。自适应评判网络通过不断的奖励、惩罚等再励学习，使自己逐渐成为一个合格的“教师”，学习完成后，根据系统目前的状态和外部激励反馈信号产生一个内部再励信号，

7、以对目前的控制效果作出评价。(6)神经网络混合控制该控制方法是集成人工智能各分支的优点，由神经网络技术与模糊控制、专家系统等相结合而形成的一种具有很强学习能力的智能控制系统。由神经网络和模糊控制相结合构成模糊神经网络，由神经网络和专家系统相结合构成神经网络专家系统。神经网络混合控制可使控制系统同时具有学习、推理和决策能力。3.6.2神经网络的逼近能力相关结论：含一个隐层以上的多层前向传播神经网络不仅可以以任意精度逼近连续函数本身，还可以逼近函数的导数项。233.1引言3.2前向神经网络模型3.6

8、神经网络控制基础3.7非线性动态系统的神经网络辨识3.8神经网络控制的学习机制3.9神经网络控制器的设计3.3动态神经网络模型3.10单一神经元控制法目录243.7.1辨识基础3.7.2神经网络辨识模型的结构3.7.3非线性动态系统的神经网络辨识3.7非线性动态系统的神经网络辨识25L.A.Zadeh曾经下过这样的定义：“辨识是在输入和输出数据的基础上，从一组给定的模型中，确定一个与所测系统等价的模型”。使用非线性系统的输入输出数据来训练神经网络可认为是非线性函数的逼近问题。多层前向传播网络能够