第十三章神經網絡建模與控制(已修改)
2025-11-04 13:55 本頁面
【正文】 第十三章 神經網絡建模與控制 主 講 教 師 ： 付冬梅 北京科技大學信息工程學院自動化系 主要內容 智能控制的產生和基本特征 基于神經網絡的系統(tǒng)辨識 基于神經網絡的系統(tǒng)辨識示例 基于神經網絡的系統(tǒng)控制 基于神經網絡的系統(tǒng)控制示例 智能控制的產生和基本特征 尋找不需要建立（精確）數(shù)學模型的控制方案，研究能夠按照操作人員的智力、經驗及意識發(fā)布指令的控制器。（含辨識器）。 凡是具備兩個條件的智能學科都可以在智能控制上占一席之地：①能夠模擬人腦的智力行為處理復雜性、不確定性、非線性對象。 ②不需要對象的精確數(shù)學模型便能逼近滿意控制。 智能控制階段的研究對象是控制器，而傳統(tǒng)控制理論的研究對象是被控對象，兩者都是閉環(huán)負反饋形式。 1）辨識系統(tǒng)的基本結構 系統(tǒng)辨識的主要任務就是選擇辨識模型，確定輸入信號和誤差信號及其差值。 2）辨識模型 靜態(tài)模型、動態(tài)模型、參數(shù)模型、非參數(shù)模型（階躍響應、脈沖響應）、神經網絡模型 3）辨識系統(tǒng)中的誤差準則 其中， 有各種選擇，最多的是平方函數(shù) 其中， 是誤差函數(shù)，定義區(qū)間為 [0,M] ??? mkkefJ1)]([)(?)(?f )()]([ 2 kekef ?)(ke被測系統(tǒng) + 干擾 + 辨識模型 + e 基于神經網絡的系統(tǒng)辨識 4）神經網絡辨識原理 由誤差準則可知，系統(tǒng)辨識本質上是一個優(yōu)化問題。辨識的方法大體上分兩種： ①基于算法的辨識方法 要求建立一個模型，該模型依賴于某個參數(shù) ，把辨識轉化成為對模型參數(shù)的估計。估計方法有：最小二乘法（快，線性），梯度下降法，極大似然法。 ②基于神經網絡的辨識方法 在遇到不能線性化的非線性系統(tǒng)時，對應的模型難于轉化成關于參數(shù)空間的線型模型?；谒惴ǖ谋孀R方法將束手無策。 ? 基于神經網絡的系統(tǒng)辨識 基于神經網絡的辨識系統(tǒng)結構圖如下圖所示。辨識不在意神經網絡以什么形式去逼近實際系統(tǒng)，只關心神經網絡的輸出與被辨識系統(tǒng)的輸出相差多少， 可否為零。 )(ke被辨識系統(tǒng) + V(k) + 辨識模型 + y(k) 延時 u(k) e(k) 基于神經網絡的系統(tǒng)辨識 5）辨識系統(tǒng)中的非線性模型 神經網絡作系統(tǒng)辨識，主要用于非線性辨識和自適應。由于非線性系統(tǒng)在能控性、能觀性、負反饋調節(jié)、狀態(tài)觀測器設計等方面還沒有成熟的作法。難度是非線性系統(tǒng)的辨識模型和控制模型不易選取，為此，用神經網絡辨識非線性系統(tǒng)必須作一些假設限制： ?被控對象具有能控性、能觀性。 ?對所有可能的輸入控制量 u，被控對象的輸出 y存在并有界。 ?在辨識模型中的神經網絡允許一個或幾個不同的神經網絡結構用于被控對象。 ?辨識模型的基本結構為包含神經網絡的串 — 并聯(lián)結構。 基于神經網絡的系統(tǒng)辨識 前兩條為保證系統(tǒng)的穩(wěn)定性和可辨性，第三條為了方便選擇模型，簡化處理過程，第四條限制主要是為了易于達到以下目的： ?由于輸出 y存在并有界，那么串 — 并聯(lián)模型中的所有信號均有界，辨識模型易于穩(wěn)定。 ?串 — 并聯(lián)模型間無反饋，使從后向前的靜態(tài)反向傳輸算法成為可能。 ?當誤差足夠小時，不使用串 — 并聯(lián)結構，只用并聯(lián)結構也能有好的效果。 在前述四種假設限制下，能夠寫出常用的一些非線性典型模型，現(xiàn)舉例如下： 基于神經網絡的系統(tǒng)辨識 n=2,m=0時的并聯(lián)結構如圖 3所示。 10( 1 ) ( ) ( ( ) ( 1 ) ( ) )niiy k a y k i g u k u k u k m??? ? ? ? ? ??u(k) e(k+1) + + Z1 a0 a1 Z1 + + N + Z1 ∑ a0 a1 Z1 + + g ∑ + + y(k+1) 圖 3 并聯(lián)結構 ① 基于神經網絡的系統(tǒng)辨識 n=2,m=0時的串聯(lián)結構如圖 4所示。 10( 1 ) ( ) ( ( ) ( 1 ) ( ) )niiy k a y k i g u k u k u k m??? ? ? ? ? ??u(k) e(k+1) + + Z1 a0 a1 Z1 + + N + Z1 ∑ a0 a1 Z1 + + g ∑ + + y(k+1) 圖 4 串 并聯(lián)結構 基于神經網絡的系統(tǒng)辨識 ② 結構同圖 圖 4，將 g換為 f. ( 1 ) ( ( ) ( ) ) ( ( ) ( ) )y k f g k g k n g u k u k m? ? ? ? ?1( 1 ) ( ) ( ( ) ( 1 ) ( ) )m iiy k b u k i f y k y k y k n?? ? ? ? ? ??② ③ ④ ( 1 ) ( ( ) ( ) , ( ) ( ) )y k f y k g k n u k u k m? ? ? ?后兩種用神經網絡實現(xiàn)起來較難。 基于神經網絡的系統(tǒng)辨識 6）非線性系統(tǒng)逆模型的神經網絡辨識 ①什么叫系統(tǒng)的逆模型 在正常情況下，對系統(tǒng)進行分析的主要任務就是：系統(tǒng)在一個控制信號的作用下，
教學課件相關推薦
鄂ICP備17016276號-1