欢迎来到天天文库
浏览记录
ID:59474682
大小:999.00 KB
页数:34页
时间:2020-09-14
《人工神经网络在控制中的应用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、智能控制基础ShanghaiUniversity,Shanghai,P.R.China5.人工神经网络5.5人工神经网络在控制中的应用15.5ANN在控制中的应用5.5.1基于ANN的系统建模5.5.3基于ANN的控制参数优化5.5.2基于ANN控制器的系统综合5.5.4ANN控制仿真5.5ANN在控制中的应用5.5.1基于ANN的系统建模5.5.3基于ANN的控制参数优化5.5.2基于ANN控制器的系统综合5.5.4ANN控制仿真系统建模的两类方式5.5.1基于ANN的系统建模基于机理的建模电路系统-电路理论Kirchhoff'sLawset.al机械系统-机械力学
2、Euler–LagrangeequationNewton'ssecondlawet.al热力系统-热力学Thermodynamicequationset.al电磁系统-电磁学Maxwell'sequationset.al………….……基于数据的建模白箱模型(WhiteBox)结构已知参数未知(ParameterIdentification)灰箱模型(GrayBox)结构未知&固定参数未知黑箱模型(BlackBox)结构未知&待定参数未知系统辨识/参数辨识什么是系统辨识?5.5.1基于ANN的系统建模)(ke系统辨识原理图P)(ˆky)(ku)(kz)(ky-+Pˆn(
3、)k辨识算法依据系统提供的测量信息,在某种准则意义下,估计模型结构和未知参数。(a)正向模型辨识(b)逆向模型辨识正向辨识与反向辨识5.5.1基于ANN的系统建模线性系统的结构&参数辨识5.5.1基于ANN的系统建模结构的辨识(确定阶数)根据Hankel矩阵的秩利用行列式比利用残差的方差利用Akaike准则利用最终预报误差准则………….……参数的辨识最小二乘类参数辨识极大似然法和预报误差方法Bayes方法模型参考自适应方法………….……非线性系统的结构&参数辨识5.5.1基于ANN的系统建模非线性模型的结构Hammerstein-Wiener型非线性模型多项式非线性模
4、型已知结构的非线性模型………….……T-S模糊系统反馈神经网络………….……参数的辨识BP学习算法最小二乘学习算法………….……5.5ANN在控制中的应用5.5.1基于ANN的系统建模5.5.3基于ANN的控制参数优化5.5.2基于ANN控制器的系统综合5.5.4ANN控制仿真5.5.2基于ANN控制器的系统综合神经网络直接用作误差闭环系统的反馈控制器,神经网络控制器首先利用其它已有的控制样本进行离线训练,而后以系统的误差的均方差为评价函数进行在线学习。神经网络直接反馈控制系统5.5.2基于ANN控制器的系统综合神经网络逆控制系统自适应逆控制的基本思想就是用被控对象传
5、递函数的逆模型作为串联控制器对控制对象实施开环控制。神经网络先离线学习被控对象的逆动力学模型,然后用作对象的前馈串联控制器。由于开环控制缺乏稳定性,所以神经网络还需要根据系统的反馈误差在线继续学习逆动力学模型模型参考自适应控制的目的是:系统在相同输入激励r的作用下,使被控对象的输出y与参考模型的输出ym达到一致。这样通过调整参考模型,可以调整系统的动态特性。神经网络控制器(NNC)先离线学习被控对象的逆动力学模型,与被控对象构成开环串联控制,而后神经网络根据参考模型输出与被控对象输出的误差函数进行在线训练,使误差函数最小。5.5.2基于ANN控制器的系统综合神经网络模
6、型参考直接自适应控制在直接自适应控制的基础上,引入了一个神经网络辨识器(NNI)来对被控对象的数学模型进行在线辨识,这样可以及时地将对象模型的变化传递给NNC,使NNC可以得到及时有效的训练。5.5.2基于ANN控制器的系统综合神经网络模型参考间接自适应控制神经网络学习控制系统将神经网络与常规误差反馈控制结合起来,首先用NN学习对象的逆动力学模型,然后用NN作为前馈控制器与误差反馈控制器构成复合控制器来控制对象。系统以反馈控制器的输出作为评价函数来调节神经网络的权值。这样,在控制之初,反馈控制器的作用较强,而随着控制过程的进行,NN得到越来越多的学习,反馈控制器的作用
7、越来越弱,NN控制器的作用越来越强。5.5.3基于ANN的控制参数优化神经网络学习控制系统神经元PID控制器的输出为:5.5.2基于ANN控制器的系统综合单神经元(PID)控制系统5.5ANN在控制中的应用5.5.1基于ANN的系统建模5.5.3基于ANN的控制参数优化5.5.2基于ANN控制器的系统综合5.5.4ANN控制仿真5.2基于神经网络的控制5.5.3基于ANN的控制参数优化基于神经网络在线学习的PID控制由神经辨识器NNI在线估计对象参数,用调节器(或控制器)实现参数的自动整定相结合的自适应控制。5.2基于神经网络的控制5.5.3基于AN
此文档下载收益归作者所有