第9章智能控制理论.ppt

《第9章智能控制理论.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第9章神经网络控制9.1概述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。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；（4）神经网络具有很强的信息综合能力，它

2、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。神经网络控制所取得的进展为：(1)基于神经网络的系统辨识：可在已知常规模型结构的情况下，估计模型的参数；或利用神经网络的线性、非线性特性，建立线性、非线性系统的静态、动态、逆动态及预测模型；(2)神经网络控制器：神经网络作为控制器，可实现对不确定系统或未知系统进行有效的控制，使控制系统达到所要求的动态、静态特性；(3)神经网络与其他算法相结合：神经网络与专家系统、模糊逻辑、

3、遗传算法等相结合可构成新型控制器；(4)优化计算：在常规控制系统的设计中，常遇到求解约束优化问题，神经网络为这类问题提供了有效的途径；(5)控制系统的故障诊断：利用神经网络的逼近特性，可对控制系统的各种故障进行模式识别，从而实现控制系统的故障诊断。神经网络控制在理论和实践上，以下问题是研究的重点：(1)神经网络的稳定性与收敛性问题；(2)神经网络控制系统的稳定性与收敛性问题；(3)神经网络学习算法的实时性；(4)神经网络控制器和辨识器的模型和结构；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

4、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七类。9.2神经网络控制结构9.2.1神经网络监督控制通过对传统控制器进行学习，然后用神经网络控制器逐渐取代传统控制器的方法，称为神经网络监督控制。神经网络监督控制的结构如图9-1所示。图9-1神经网络监督控制神经网络控制器实际上是一个前馈控制器，它建立的是被控对象的逆模型。神经网络控制器通过对传统控制器的输出进行学习，在线调整网络的权值，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。

5、一旦系统出现干扰，反馈控制器重新起作用。这种前馈加反馈的监督控制方法，不仅可以确保控制系统的稳定性和鲁棒性，而且可有效地提高系统的精度和自适应能力。9.2.2神经网络直接逆动态控制神经网络直接逆控制就是将被控对象的神经网络逆模型直接与被控对象串联起来，以便使期望输出与对象实际输出之间的传递函数为1。则将此网络作为前馈控制器后，被控对象的输出为期望输出。显然，神经网络直接逆控制的可用性在相当程度上取决于逆模型的准确精度。由于缺乏反馈，简单连接的直接逆控制缺乏鲁棒性。为此，一般应使其具有在线学习能力，即作为逆模型的神经网络连接权能够在线调整。图9-2为神经网络直接逆控制的两种结构方案。在图

6、9-2(a)中，NN1和NN2为具有完全相同的网络结构，并采用相同的学习算法，分别实现对象的逆。在图9-2(b)中，神经网络NN通过评价函数进行学习，实现对象的逆控制。（a）图9-2神经网络直接逆控制（b)9.2.3神经网络自适应控制与传统自适应控制相同，神经网络自适应控制也分为神经网络自校正控制和神经网络模型参考自适应控制两种。自校正控制根据对系统正向或逆模型的结果调节控制器内部参数，使系统满足给定的指标，而在模型参考自适应控制中，闭环控制系统的期望性能由一个稳定的参考模型来描述。1神经网络自校正控制神经网络自校正控制分为直接自校正控制和间接自校正控制。间接自校正控制使用常规控制器，

7、神经网络估计器需要较高的建模精度。直接自校正控制同时使用神经网络控制器和神经网络估计器。（1）神经网络直接自校正控制在本质上同神经网络直接逆控制，其结构如图9-2所示。（2）神经网络间接自校正控制其结构如图9-3所示。假设被控对象为如下单变量仿射非线性系统：若利用神经网络对非线性函数和进行逼近，得到和，则控制器为：其中为时刻的期望输出值。图9-3神经网络间接自校正控制2.神经网络模型参考自适应控制分为直接模型参考自适应控制和间接模型参考自适应控