神经网络控制系统设计课件.ppt

《神经网络控制系统设计课件.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11章神经网络控制系统设计11.1神经网络理论基础人工神经网络（ANN—ArtificialNeuralNetworks）或称联接机制（Connectionism），是源于人脑神经系统的一类模型，是模拟人类智能的一条重要途径，具有模拟人的部分形象思维的能力。它是由简单信息处理单元（人工神经元，简称神经元）互连组成的网络，能接受并处理信息，网络的信息处理由处理单元之间的相互作用来实现，它是通过把问题表达成处理单元之间的联接权来处理的。11.1.1人工神经网络的特点人工神经网络（简称神经网络——NN）是由人工神经元（简称神

2、经元）互连组成的网络，它是从微观结构和功能上对人脑的抽象、简化，是模拟人类智能的一条重要途径，反映了人脑功能的若干基本特征，如并行信息处理、学习、联想、模式分类、记忆等。神经网络对控制领域有吸引力的特征：(1)能逼近任意的非线性函数。(2)信息的并行分布式处理与存储。(3)可以多输入、多输出。(4)便于用超大规模集成电路系统实现，或用现有的计算机技术实现。(5)能进行学习，以适应环境的变化。决定网络整体性能的三大要素：(1)神经元（信息处理单元）的特性。(2)神经元之间相互联接的形式——拓扑结构。(3)为适应环境而改善性

3、能的学习规则。11.1.2人工神经网络原理如同大脑一样，神经网络的基本单元也称为神经元或人工神经元或处理单元。可认为处理单元是一种类似的最基本的生物神经元，它能完成生物神经元最基本的三种处理过程：(1)评价输入信号，决定每个输入信号的强度。(2)计算所有输入信号的权重之和，并与处理单元的阈值进行比较。(3)决定处理单元的输出。阈值由传递函数来确定。传递函数一般是非线性的，有时也采用线性函数。但应该注意许多问题不能简单地用一条直线将其分成两类。将处理单元排成一列，形成一个处理单元层，若将几层连接在一起，接受输入的层称为输入

4、层，给出输出信号的层称为输出层，其他层为中间层或隐含层，这些层在神经网络中类似于黑箱。如果前一层的每一个处理单元都与后一层中的每个处理单元相连，则这种网络称为全面连接的网络。否则为部分连接的网络。若没有一个处理单元的输出与本层或前一层的处理单元相连接，则这种网络称为正反馈网络；反之，若输出可直接返回同层或前一层处理单元的输入，则这种网络称为负反馈网络。具有闭环的负反馈网络又称为循环系统。编制神经网络程序，主要是确定传递函数（即决定值的方程）、训练规划（即设置初始权重的规则及修改权重的方程）以及网络的结构（即处理单元数、层

5、数及相互连接状况）。在网络中，信息不像普通计算机储存在单一的内存区，而是储存在整个系统中，这种结构使网络更具有适应性，如果遗失某些处理单元，则仍可不丢失存在那儿的信息。这种储存信息的方式是新一代信息处理方式的代表。11.1.3MP神经元模型与人工神经网络的构成早在1943年，McCulloch和Pitts就定义了一种简单的人工神经元模型，称为MP模型。其响应函数为阶跃函数，模型结构如图11.1所示。yx1x2xnw1w2wn早在1943年McCulloch┇┇图11.1MP模型结构设神经元的一组输入用向量表示为X=(x1

6、，x2，…，xn)其相应权值为W=(w1，w2，…，wn)神经元的阈值为θ，输出为y，则其中阶层型和全互连接型。如图11.2和图11.3所示:x1x2┇xny1y2yn┇图11.2阶层型人工神经网络结构图11.3全互连接型人工神经网络结构11.1.4神经网络的学习方法1．基本的学习机理一个神经网络仅仅具有拓扑结构，还不能具有任何智能特性，必须有一套完整的学习、工作规则与之配合。其实，对于大脑神经网络来说，完成不同功能的网络区域都具有各自的学习规则，这些完整和巧妙的学习规则是大脑在进化学习阶段获得的。人工神经网络的学习规则

7、，说到底就是网络连接权的调整规则。我们可以从日常生活中一个简单的例子了解网络连接权的调整机理。神经网络是由许多相互连接的处理单元组成的。每一个处理单元有许多输入量xi，而对每一个输入量都相应有一个相关联的权重wi。处理单元将经过权重的输入量xi·wi相加（权重和），而且计算出唯一的输出量yi。这个输出量是权重和的函数f。处理单元模型如图11.4所示。图中y1y2yn┇x1x2xnw1w2wnI

8、f┇┇图11.4处理单元模型2．学习方式有两种不同的学习方式或训练方式，即有指导的训练和没有指导的训练。很明显，有指导的学习或训

9、练需要“教师”，教师即是训练数据本身，不但包括有输入数据，还包括有在一定输入条件下的输出数据。网络根据训练数据的输入和输出来调节本身的权重，使网络的输出符合于实际的输出。没有指导的学习过程指训练数据只有输入而没有输出，网络必须根据一定的判断标准自行调整权重。(1)有指导的学习;(2)没有指导的学习;3．学习规则在神经