神经网络控制及其应用ppt课件.ppt

《神经网络控制及其应用ppt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、神经网络控制与模糊控制及其应用主讲：卢泽生实际是自动控制理论在机械制造领域的应用的一部分，最为热门和广泛应用的一部分自动控制是在没有人直接参与的情况下，通过控制系统是被控对象自动地按照预定规律运行的控制过程。自动控制系统是由相互联系、相互依赖、相互作用的若干部分组成，具有控制功能的有机整体。被控对象是指工作状态需要给以控制的装置、设备和过程。给定量也称控制量，表征被控量的希望运行规律，也是系统的输入量。扰动量也称干扰量，是引起被控量偏离预定运行规律的量。从控制理论上而不是控制方法上说控制理论主要分两大类经典控制理论和现代控制理论。经典控制理论是以传递函数为理论基础，解决单

2、输入、单输出的线性控制系统的分析与设计问题。现代控制理论主要是以状态方程或模糊数学、神经网络等为理论基础，解决多输入多输出的非线性时变控制系统的分析与设计问题。基本概念时变系统是指其方程的系数是时间的函数，如宇宙飞船的控制系统，因为飞船的然联消耗和引力的变化都是时间的函数。系统是由相互联系、相互依赖、相互制约和相互作用的若干部分组成，具有某种特定功能的有机整体。控制系统是由相互联系、相互依赖、相互制约和相互作用的若干部分组成，具有某种控制功能的有机整体。自动控制系统的分类按系统组成的物理性质分电气控制系统；机械控制系统；流体控制系统；电气—流体控制系统按系统的数学模型（微分

3、方程）的性质分线性定常系统；线性时变系统；按给定量的变化规律分恒值控制系统；程序控制系统；随动控制系统按输入、输出信号连续性分连续系统；离散系统按控制量参数的性质分速度控制；位置控制；力和力矩控制；混合变量控制等系统按系统有无反馈信号分开环系统；闭环系统线性系统非线性系统神经网络控制及其应用1神经网络控制产生的背景自动控制面临着两个方面的技术问题（1）控制对象越来越复杂，存在着多种不确定（随机性）和难以确切描述的非线性。（2）对控制系统的要求越来越高，迫切要求提高控制系统的智能化水平，即系统具有逻辑思维和推理判断的能力。神经网络为处理和解决上述问题提供了一条新的途径（1）神

4、经网络源于对脑神经的模拟，所以具有很强的适应于复杂环境和多目标控制要求的自学习能力。（2）具有以任意精度逼近任意非线性连续函数的特性。神经网络的应用航空:高性能飞行器自动驾驶、飞行路径模拟、飞行部件模拟、飞行部件故障检测…汽车:汽车自动导航仪…国防:武器操纵、目标跟踪、面部识别、雷达和图像信号处理、新型传感器、声纳…制造：生产流程控制、过程和机器诊断、机器性能分析、化工流程动态建模、项目投标…机器人：轨道控制、操作手控制、视觉系统…语音：语音识别、语音压缩…还有金融、保险、银行、医疗、交通、电讯、电子、石油天然气、有价证券、娱乐等行业。3生物学的启示轴突突触细胞体树突图1生

5、物神经元的简图4人工神经元j=1,2…mi=1,2…nyjQjXnX2f∑X1图2单神经元结构图输入输出轴突细胞体树突树突为简便起见，也可把网络的阈值以连接数值的形式表示出来，即令，则式中—为其它神经元传至本神经元的输入信号，—神经元j的阈值，此阈值决定了该神经元的兴奋与否；—表示从神经元i到神经元j的连接权值；—称为激励函数（也有称为响应函数或传输函数）。权值表示相邻的神经元相互连接的程度阈值即决定神经元的兴奋与否，决定兴奋与抑制激励函数可为线性函数也可为非线性函数。它是用来实现输入对输出函数关系的静态映射，它决定了神经元的单元特性。常用的神经元非线性函数x10f(x)图

6、3阶跃函数f(x)x1-1图4sgn函数1β=1f(x)0xβ=0.2β=5图5S状函数（1）阶跃函数（2）Sgn函数（3）S状函数4神经网络模型的组成4.1．神经网络连接的结构形式输出层输入层隐含层神经元yny2y1XnX2X1图6前向网络神经元网络中神经元是分层排列，每个神经元只与前一层的神经元相连接，分为输入层，隐含层（一层或多层）和输出层。（1）前向网络（2）反馈前向网络网络本身是前向型，但从输出到输入有反馈。yny2y1XnX2X1图7反馈前向网络图8互连网络（3）互连网络任意两个神经元之间都可能有连接，因此输入信号要在神经元之间反复往返传递。4.2．BP网络的结

7、构BP网络是一单向传播的多层前向网络，其结构图如图6所示BP网络可看成是一从输入到输出的高度非线性映射网络。（1）输入层神经元数（2）隐含层神经元数（3）隐含层数的确定（4）输出层神经元数的确定BP网络各层的神经元数（即节点数）及隐含层层数的确定如下：5神经网络的学习当神经网络的结构确定之后，关键问题是设计一个学习速度快，收敛性好的学习算法。要求网络本身必须具有学习功能，即能够从示教模式的学习中逐渐调整权值，使网络整体具有近似函数或处理信息的功能。（1）有教师学习（2）无教师学习5.1．网络学习方式广泛应用的有教师