《先进控制技术》PPT课件

《《先进控制技术》PPT课件》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、第六章先进控制技术先进控制技术主要解决传统的、经典的控制技术所难以解决的控制问题，代表着控制技术最新的发展方向，并且与多种智能控制算法是相互交融、相互促进发展的。本章主要介绍控制技术中的模糊控制技术、神经网络控制技术、专家控制技术和预测控制技术。6.1模糊控制技术6.2神经网络控制技术6.3专家控制技术6.4预测控制技术6.5其它先进控制技术6.2神经网络控制技术6.2.1神经网络概述6.2.2神经网络模型6.2.3神经网络系统辨识6.2.4神经网络控制6.2.5神经网络控制举例一、神经网络的产生与发展二、神经网络的特性与功能6.2.1神经网络

2、概述一、神经网络的产生与发展1943年心理学家McCulloch和数学家Pitts提出神经元生物数学模型（简称MP模型），标志着神经网络的产生。1982年美国加州物理学家Hopfield提出了Hopfield神经网络系统（简称HNNS）模型，并提出了能量函数和稳定性等概念。并在计算TSP（售货员送货线路）问题上取得进展。神经网络系统理论与技术发展大体分三方面：1.硬件技术目前一些先进国家已实现了1000多个神经元的神经网络系统。2.神经网络系统理论3.神经网络应用研究神经网络系统理论的应用研究主要在模式识别、经济管理、优化控制、数据压缩、编码、解码

3、、股市分析等方面。人工神经网络定义人工神经网络是一个由许多简单的并行工作的处理单元组成的系统，其功能取决于网络的结构、连接强度以及各单元的处理方式。人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。神经网络是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算系统，该系统是靠其状态对外部输入信息的动态响应来处理信息的。二、神经网络的基本特性与功能1.神经网络的特性并行分布处理非线性映射通过训练进行学习适应与集成硬件实现2.神经网络的功能联想记忆功能非线性映射功能分类与识别功能优化计算功能知识处理功能联想记忆功能非线性映射功能分类与识别

4、功能优化计算功能知识处理功能返回本节一、生物神经元及其信息处理二、人工神经元模型及人工神经网络模型三、多层感知器与BP算法四、Hopfield网络6.2.2神经网络模型一、生物神经元及其信息处理生物神经元的结构生物神经元的信息处理机理生物神经网络人类大脑大约包含有1.41011个神经元，每个神经元与大约103～105个其它神经元相连接，构成一个极为庞大而复杂的网络，即生物神经网络。神经生理学和神经解剖学的研究结果表明，神经元(Neuron)是脑组织的基本单元，是人脑信息处理系统的最小单元。1.生物神经元的结构生物神经元在结构上由细胞体(Ce

5、llbody)树突(Dendrite)轴突(Axon)突触(Synapse)四部分组成。用来完成神经元间信息的接收、传递和处理。2.生物神经元的信息处理机理（1）信息的产生神经元间信息的产生、传递和处理是一种电化学活动。神经元状态：兴奋：当传入的神经冲动使细胞膜电位升高超过阈值时，细胞进入兴奋状态，产生神经冲动由轴突输出。抑制：当传入的神经冲动使细胞膜电位下降低于阈值时，细胞进入抑制状态，没有神经冲动输出。（2）信息的传递与接收（3）信息的整合空间整合：同一时刻产生的刺激所引起的膜电位变化，大致等于各单独刺激引起的膜电位变化的代数和。时间整合：各输

6、入脉冲抵达神经元的时间先后不一样。总的突触后膜电位为一段时间内的累积。3.生物神经网络由多个生物神经元以确定方式和拓扑结构相互连接即形成生物神经网络。生物神经网络的功能不是单个神经元信息处理功能的简单叠加。神经元之间的突触连接方式和连接强度不同并且具有可塑性，这使神经网络在宏观呈现出千变万化的复杂的信息处理能力。二、人工神经元模型及人工神经网络模型神经元模型连接机制结构的基本处理单元与神经生理学类比往往称为神经元每个构造网络的神经元模型模拟一个生物神经元神经元及其突触是神经网络的基本器件。因此，模拟生物神经网络应首先模拟生物神经元。在人工神经网络中

7、，神经元常被称为“处理单元”。有时从网络的观点出发常把它称为“节点”。人工神经元是对生物神经元的一种形式化描述。1.人工神经元模型神经元模型示意图（1）神经元的数学模型τij——输入输出间的突触时延；Tj——神经元j的阈值；wij——神经元i到j的突触连接系数或称权重值；f()——神经元转移函数。（2）神经元的转移函数1）阈值型转移函数1x≥0f(x)=0x＜02）非线性转移函数3）分段线性转移函数0x≤0f(x)=cx0＜x≤xc1xc＜x（1）前向网络（层次型结构）2.人工神经网络模型输入层输出层中间层或隐层（2）（反馈网络）输出层到输入层有连

8、接（3）（相互结合型网络）全互连型结构（4）（混合型网络）层内有连接的层次型结构神经网络能够通过对样本的学习训练，不断改变