第十三章神經(jīng)網(wǎng)絡建模與控制(文件)
【正文】 空間表達式： )](),([)()]()([)1(kukxgkykukxkx???? ? 基于神經(jīng)網(wǎng)絡的系統(tǒng)辨識示例 對于前 5個 SISO系統(tǒng)而言，假設： 1，模型結構已知，而 n m 已知。 2，輸入 m維，輸出 p維，狀態(tài) n維。 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制 （ 1）神經(jīng)網(wǎng)絡直接自校正控制 此種控制結構要求對象可逆，其中 ANNI和ANNC結構相同。 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制 Gc y(k) 系統(tǒng) u(k1) r(k) 被控對象為： )()]1(,),()。 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制 )()(])[(][)1(][][)(krkggkugky???????????????如果 g[],φ []為未知，則通過在線訓練神經(jīng)網(wǎng)絡辨識器，使其逐漸逼近被控對象，由辨識器的函數(shù)代替這兩個函數(shù)，則控制器的輸出為： 式中， Ng[], Nφ []分別為組成辨識器的非線性動態(tài)神經(jīng)網(wǎng)絡 ][)1(][][)(????????? NkrNNgku 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制 （ 3）神經(jīng)網(wǎng)絡辨識器 為使問題簡化，考慮如下一階被控對象： 網(wǎng)絡辨識器由兩個三層非線性 DTNN實現(xiàn)，網(wǎng)絡輸入 {y(k1),u(k1)},輸出為： 式中 W,V為權系數(shù)。([)1(? kukVkyNkWkyNgky ????)()(][][][][)(krkyNgNgeeeexf xxxx?????????? ??時，才能使與只有當 ?? 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制 因此，我們設定目標函數(shù)為 而取值的調(diào)整仍可采用 BP算法 )()()1()()()1()1(21)]1()1([21)(22kVkVkVkWkWkWkekykrkE??????????????：，即權系的調(diào)整過程為網(wǎng)絡辨識器的訓練過程)()(][][][][)(krkyNgNgeeeexfxxxx????????????時，才能使與只有當 ?? 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制 例 7 被控對象具有非線性時變特性的神經(jīng)網(wǎng)絡自校正控制 仿真模型為： 11)(1,10,:)],([)]1([221???????????學習率非線性作用函數(shù)網(wǎng)絡結構選xxgeexfNNkykyN仿真結果表明控制系統(tǒng)能有效地抑制擾動，且對被控對象的時變性，控制器能及時調(diào)整，表現(xiàn)為網(wǎng)絡系值的調(diào)整，有自適應性 ( 1 ) si n( ( ) ) ( ) , 0 200( 1 ) si n( ( ) ) ( ) / 7 ( ) , 200( ) 1 ( ) 0 100 , 300( ) 1 ( ) , 100 300( ) 50( ) 0 50y k y k u k ky k y k y k u k kr k k k kr k k kv k kv k k? ? ? ? ???? ? ? ? ??? ? ? ???? ? ? ?????????系 統(tǒng) 輸 入 為 作 用 于 被 控 對 象 的 擾 動 為 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制 3）神經(jīng) PID控制 神經(jīng) PID控制結構中有兩個神經(jīng)網(wǎng)絡：在線辨識器 (ANNI)，自適應 PID控制器（ ANNC)。 ANNI可采用BP網(wǎng)或 CAMC或 RBF網(wǎng)絡。([)()(2)(2)(2)()()(?)()(?22 ??????????????kwkxfkwkukxkxkokokykukyiuiiiiiii i 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制 + 例 8，被控對象具有非線性特性，仿真模型為： )1())1(s in ()( ???? kukyky本例的神經(jīng)網(wǎng)絡辨識模型采用例 7中的辨識模型，即 BP網(wǎng)絡 : )(1,10, 221 ??????yeexfN xx控制器采用 PD結構，即 : 可得仿真結果取式可得代入對于本例,)()()()13()()(?)()()(21223311?????????yykckeykwkukykcwkcwkuii 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制示例 + 4）神經(jīng)內(nèi)?？刂疲?IMC,Internal Model Control) 內(nèi)?？刂圃? 系統(tǒng)由三部分組成：對象、內(nèi)部模型、內(nèi)?？刂破?，內(nèi)?？刂频幕窘Y構如下圖所示： 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制示例 + 由結構圖可知： )6()()](?)()[(1)(?)(1)()](?)()[(1)()()()5()]()([)](?)()[(1)()()4()1()4()()](?)([)()(?)()()3()()()()()2()()()()1()()()(11zvzpzpzDzpzDzRzpzpzDzpzDzYzvzRzpzpzDzDzuzuzpzpzvzYzYzEzuzpzvzYzEzDzuzEzRzE?????????????????????? 基于神經(jīng)網(wǎng)絡的系統(tǒng)控制示例 + 例 9 用 PID神經(jīng)網(wǎng)絡進行單變量非線性系統(tǒng)的控制 非線性系統(tǒng)模型為： ( ) 0 . 8 s in ( ( 1 ) ) 1 . 2 ( 1 )( ) 1 ( )( ) 0 . 0 5y k y k u kr k kvk
教學課件相關推薦
鄂ICP備17016276號-1