先进控制理论及其应用 教学课件 作者 葛宝明 林飞 第9章 神经网络控制.ppt

先进控制理论及其应用 教学课件 作者 葛宝明 林飞 第9章 神经网络控制.ppt

ID:50063391

大小:1.31 MB

页数:55页

时间:2020-03-08

先进控制理论及其应用 教学课件 作者 葛宝明 林飞 第9章 神经网络控制.ppt_第1页
先进控制理论及其应用 教学课件 作者 葛宝明 林飞 第9章 神经网络控制.ppt_第2页
先进控制理论及其应用 教学课件 作者 葛宝明 林飞 第9章 神经网络控制.ppt_第3页
先进控制理论及其应用 教学课件 作者 葛宝明 林飞 第9章 神经网络控制.ppt_第4页
先进控制理论及其应用 教学课件 作者 葛宝明 林飞 第9章 神经网络控制.ppt_第5页
资源描述:

《先进控制理论及其应用 教学课件 作者 葛宝明 林飞 第9章 神经网络控制.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9章 神经网络控制9.1 神经网络理论基础9.2 柔性神经网络9.3 神经网络控制9.4 基于神经网络的SRM建模与控制9.5 恒温箱的柔性神经自校正PID控制9.1 神经网络理论基础1)信息处理由神经元间的相互作用实现,具有并行处理的特点。2)知识与信息的存储表现为神经元间分布式的物理联系。3)网络的学习决定于神经元联接权及神经元的动态演化过程。4)具有联想记忆特性。9.1 神经网络理论基础9.1.1 神经元9.1.2 Sigmoid函数9.1.3 前馈神经网络结构9.1.4 BP学习算法9.1.5 几个问题

2、9.1.1 神经元0901.tif9.1.2 Sigmoid函数1.单极性Sigmoid函数2.双极性Sigmoid函数1.单极性Sigmoid函数0902.tif2.双极性Sigmoid函数0903.tif9.1.3 前馈神经网络结构0904.tif9.1.4 BP学习算法(1)正向传播 输入信号从输入层经过隐含层传向输出层,若输出层得到了期望的输出,则学习算法结束;否则,转至反向传播。(2)反向传播 将误差(样本输出与网络输出之差)按原联接通路反向计算,由梯度下降法调整各层神经元间的联接权值和各神经元阈值,使

3、误差减小。9.1.5 几个问题1.输入/输出节点2.网络层数3.隐含层神经元数4.每层的映射函数5.初始权值与阈值的选取6.学习速率的选取7.期望误差的选取8.样本数据的建立9.2 柔性神经网络9.2.1 柔性单极性Sigmoid函数9.2.2 柔性双极性Sigmoid函数9.2.3 柔性Sigmoid函数的进一步演化9.2.4 学习算法9.2.1 柔性单极性Sigmoid函数0905.tif9.2.2 柔性双极性Sigmoid函数0906.tif9.2.3 柔性Sigmoid函数的进一步演化0907.tif9.

4、2.4 学习算法0908.tif9.2.4 学习算法0909.tif9.3 神经网络控制9.3.1 神经自校正控制9.3.2 神经PID控制器9.3.1 神经自校正控制1)控制器与被控对象构成的反馈回路。2)神经网络辨识器与控制器参数设计回路,用以修改控制器参数。2)神经网络辨识器与控制器参数设计回路,用以修改控制器参数。0910.tif2)神经网络辨识器与控制器参数设计回路,用以修改控制器参数。0911.tif2)神经网络辨识器与控制器参数设计回路,用以修改控制器参数。0912.tif9.3.2 神经PID控制

5、器1.常规PID控制器2.神经网络PID控制器1.常规PID控制器对于非线性、不确定、不确知对象,参数KP、KI和KD应能自适应调整,确保对象输出跟踪参考给定。应用神经网络的学习能力,可使PID参数能够自动适应对象的变化特性或克服扰动的影响,确保系统的控制性能。2.神经网络PID控制器1)如果对象已知,可表达为2)当对象输出y(k+1)与其控制u(k)的关系不知道时,Əy(k+1)/Əu(k)将无法求得,这时必须用神经网络辨识其模型,此时控制系统将具有图914所示形式,图中NNI为系统的神经网络辨识器,自适应PI

6、D控制采用神经网络控制器NNC实现。2.神经网络PID控制器0913.tif自适应PID控制采用神经网络控制器NNC实现0914.tif2)当对象输出y(k+1)与其控制u(k)的关系不知道时0915.tif9.4 基于神经网络的SRM建模与控制9.4.1 SRM非线性特性建模9.4.1 SRM非线性特性建模该转矩模型的特性完全可以用未知非线性函数描述,只要建立了该非线性函数的网络模型,总的输出转矩即可获得。9.4.1.1 从相电流、转子位置到相转矩的建模1)在输出层与隐含层间,联接权值与阈值调整满足2)在隐含层

7、与输入层间,联接权值与阈值调整满足9.4.1.1 从相电流、转子位置到相转矩的建模0916.tif2)在隐含层与输入层间,联接权值与阈值调整满足0917.tif9.4.1.2 从相转矩、转子位置到相电流的建模0918.tif9.4.1.2 从相转矩、转子位置到相电流的建模0919.tif9.4.1.3 从相电流、转子位置到相绕组磁链的建模0920.tif9.4.1.4 从相绕组磁链、转子位置到相电流的建模9.4.2 基于神经网络的SRM转矩控制9.4.1.4 从相绕组磁链、转子位置到相电流的建模0921.tif9

8、.4.1.4 从相绕组磁链、转子位置到相电流的建模0922.tif9.4.2.1 基于转矩分配函数的两相重叠导通换相策略0923.tif9.4.2.2 网络模型的校验0924.tif9.4.2.2 网络模型的校验0925.tif9.4.2.2 网络模型的校验0926.tif9.4.2.3 电流滞环控制系统0927.tif9.4.2.3 电流滞环控制系统0928.tif9.

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。