【浙大名师课件】智能控制技术第3章-神经网络控制.ppt

《【浙大名师课件】智能控制技术第3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、智能控制技术第3章神经网络控制二零一一年三月神经网络控制人工神经网络（ANN）是智能控制领域研究历史比较长但发展曲折的交叉学科。基于人工神经网络的控制简称神经控制（NeuralControl）。神经网络具有很强的学习能力、非线性映射能力、鲁棒性和容错能力，充分地将这些神经网络特性应用于控制领域，可使控制系统的智能化向前迈进一大步。随着控制系统的复杂性增强，人们对控制系统的要求增高，特别是要求控制系统能适应不确定性、时变的对象与环境。传统的基于精确模型的控制方法难以适应要求，现在关于控制的概念也已更加广泛，它要求包括一些决策、规划以及学习功能。神经网络由于具有这些优点而越

2、来越受到人们的重视。第3章主要内容3.1神经网络的理论概述3.2前馈网络及其BP学习算法3.3反馈网络及其它网络结构3.4神经网络控制器原理及设计3.5模糊神经网络控制及其应用3.6MATLAB神经网络工具箱的使用3.7神经网络控制系统应用实例3.8本章小结3.1神经网络的理论概述3.1.1生物神经元模型3.1.2人工神经元模型3.1.3神经网络模型3.1.4神经网络分类3.1.5神经网络的学习规则3.1.6用于控制的神经网络3.1.7神经网络控制的研究内容3.1神经网络的理论概述3.1.1生物神经元模型人工神经网络是参照生物神经网络发展起来的，本书若不作特别说明，神经

3、网络均指人工神经网络。为了深入学习和研究人工神经网络，了解生物神经网络的基本原理是很有必要的。人脑神经系统的基本单元是神经细胞，即生物神经元，人脑神经系统约由个神经元构成，每个神经元与约个其他神经元相连接。神经细胞与人体中其他细胞的关键区别在于，神经细胞具有产生、处理和传递信号的能力。3.1神经网络的理论概述一个生物神经元的结构如图所示，主要包括细胞体、树突和轴突。每一部分虽具有各自的功能，但相互之间是互补的。在生物神经细胞中，除了特殊的无“轴突”神经元外，一般每个神经元从细胞体伸出一根粗细均匀、表面光滑的突起，称为轴突，它的功能是细胞的输出端，用于传出神经冲动。从细胞

4、体延伸出像树枝一样向四处分散开来的许多突起，称之为树突，起作用是细胞的输入端，通过“突触”接受四周细胞传来的神经冲动。轴突末端有许多细的分枝，称之为神经末梢，每一根神经末梢可以与其他神经元连接，其连接的末端称之为突触。图3-1生物神经元3.1神经网络的理论概述神经元之间的连接是靠突触实现的。当传入的神经元冲动使细胞膜电位升高并超过阈值时，细胞进入兴奋状态，产生神经冲动，由轴突输出；相反，若传入的神经冲动使细胞膜电位下降到低于阈值时，进入抑制状态，则轴突没有神经冲动输出。根据突触对下一个神经细胞的功能活动的影响，突触又可分为兴奋性的和抑制性的两种。兴奋性的突触可能引起下一

5、个神经细胞兴奋，抑制性的突触使下一个神经细胞抑制。图3-2人工神经元结构模型3.1神经网络的理论概述3.1.2人工神经元模型人工神经元是生物神经元的简化和模拟，它是神经网络的基本处理单元。它是一个多输入单输出的非线性元件，其输入输出关系可描述为（3-1）（3-2）其中，是从其他细胞传来的输入信号，为阈值，表示从神经元到神经元的连接权值，称为作用函数。从上面分析可以看出，人工神经元反映了生物神经元的基本功能。作用函数又称为变换函数，它决定神经元的输出。作用函数可为线性函数，但通常为阶跃函数或S状曲线那样的非线性函数。3.1神经网络的理论概述3.1.3神经网络模型神经网络可

6、分成两大类：没有反馈的前向网络和相互结合型网络。(a)前向网络(b)相互连接型网络3.1神经网络的理论概述3.1.4神经网络分类神经网络发展几十年来，形成了数十种网络，包括多层感知器、自适应共振理论、Kohomen自组织特征映射、Hopfield网络、RBF网络、小波神经网络、混沌神经网络、细胞神经网络、模糊神经网络等。这些网络结构不同，应用范围也各不相同。神经网络中应用较多的几种主要的模型有：（1）多层前向神经网络MLFN（2）递归神经网络RNN（3）自组织神经网络（4）Hopfield神经网络（5）模糊神经网络3.1神经网络的理论概述3.1.5神经网络的学习规则学习

7、功能是人工神经网络中最重要的特征之一。神经网络主要由三种因素决定：神经元的特性，网络的连接和学习算法规则。学习算法对网络学习速度、收敛特性、泛化能力等有很大的影响。学习方法归根到底就是网络连接权的调整方法。人工神经网络连接权的确定通常有两种方法：一种是根据具体要求直接计算出来，如Hopfield网络作优化计算时就属于这种情况；另一种是通过学习得到的，大多数人工神经网络都是采用这种方法。3.1神经网络的理论概述3.1.5神经网络的学习规则人工神经网络中，常用的学习规则主要有：无监督Hebb学习规则Perception学习规则学习规则内星/外