現(xiàn)代控制工程-第13章神經(jīng)網(wǎng)絡(luò)控制(文件)
【正文】 i ???)1( yyd kikiki ??—隱層連接權(quán)調(diào)整公式—?????1111kplklkli dwyd kjkikijw 11 ?? ??? ?11 kiki uy e ?? ?當(dāng) 時(shí)37 BP算法的實(shí)現(xiàn) （ 1） 隱層數(shù)及隱層神經(jīng)元數(shù)的確定：目前尚無理論指導(dǎo)。 ? 1. BP算法的設(shè)計(jì) 38 BP算法的實(shí)現(xiàn) （ 1）初始化：對(duì)所有連接權(quán)和閾值賦以隨機(jī)任意小值； （ 2） 從 N 組輸入輸出樣本中取一組樣本： x=[x1, x2,…, xp1]T, d=[d1, d2,…, dpm]T, 把輸入信息 x=[x1, x2,…, xp1]T輸入到 BP網(wǎng)絡(luò)中 （ 3） 正向傳播：計(jì)算各層節(jié)點(diǎn)的輸出： （ 4） 計(jì)算網(wǎng)絡(luò)的 實(shí)際輸出與期望輸出的誤差： )0。 （ 6） 讓 t+1→ t， 取出另一組樣本重復(fù) （ 2） － （ 5） ， 直到 N 組輸入輸出樣本的誤差達(dá)到要求時(shí)為止 。 ? 學(xué)習(xí)算法：正向傳播、反向傳播。 ? 具有較好的容錯(cuò)性。 ? 缺點(diǎn) BP算法的特點(diǎn)分析 43 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)方法 神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)具有任意逼近和自學(xué)習(xí)能力 ，為系統(tǒng)的辨識(shí) ， 尤其是非線性動(dòng)態(tài)系統(tǒng)的辨識(shí)提供了一條有效的途徑 。 被控對(duì)象學(xué)習(xí)算法du+dyp45 反向模型辨識(shí) 學(xué)習(xí)算法r uE被控對(duì)象yPymMC逆模型前向模型反向建模 (inverse modelling)是將作為對(duì)象的逆模型的神經(jīng)網(wǎng)絡(luò)位于對(duì)象之前，網(wǎng)絡(luò)模型的輸出作為被控對(duì)象的輸入。 （ 3）辨識(shí)的收斂速度不依賴于待辨識(shí)系統(tǒng)的維數(shù)，只與神經(jīng)網(wǎng)絡(luò)本身及其所采用的學(xué)習(xí)算法有關(guān)。 47 基于神經(jīng)網(wǎng)絡(luò)的軟測(cè)量方法 ? 軟測(cè)量技術(shù) ? 主導(dǎo)變量：被估計(jì)的變量。 ? 數(shù)據(jù)采集與處理。 三層 BP網(wǎng)絡(luò)： O RPM L S SDOPHBO DCO DNP 污水處理過程神經(jīng)網(wǎng)絡(luò)軟測(cè)量模型 51 基于神經(jīng)網(wǎng)絡(luò)的控制方法 ? 根據(jù)神經(jīng)網(wǎng)絡(luò)在控制器中的作用不同，神經(jīng)網(wǎng)絡(luò)控制器可分為兩類： ? （ 1）神經(jīng)控制：以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)而形成的獨(dú)立智能控制系統(tǒng)； ? （ 2）混合神經(jīng)網(wǎng)絡(luò)控制：利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和優(yōu)化能力來改善傳統(tǒng)控制的智能控制方法，如自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制等。 被控對(duì)象Cu+參考模型參考模型dr廣義誤差yrer55 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂? 線性系統(tǒng)的內(nèi)模控制具有魯棒性強(qiáng)和易于進(jìn)行穩(wěn)定性分析的特點(diǎn)，雖然要求系統(tǒng)開環(huán)穩(wěn)定，但已廣泛應(yīng)用于過程控制。 ? 利用已有的數(shù)字計(jì)算機(jī)模擬神經(jīng)網(wǎng)絡(luò)機(jī)理 ， 在速度上還有很大的差距 ， 難以解決很多實(shí)時(shí)控制問題 。 ( ) ( ) ( ) ( )iiv k e k u k u k?( 1 ) ( ) ( )i i i iw k w k v k?? ? ?不難看出，單神經(jīng)元控制器依照學(xué)習(xí)信號(hào)所反映的誤差與環(huán)境的變化，對(duì)相應(yīng)的積分、比例、微分系數(shù)進(jìn)行在線調(diào)整，產(chǎn)生自適用控制作用，具有很強(qiáng)的魯棒性，控制器還利用了神經(jīng)元的非線性特性，突破線性調(diào)節(jié)器的局限，實(shí)現(xiàn)轉(zhuǎn)速環(huán)的平穩(wěn)飽和的作用。 61 直流調(diào)速系統(tǒng)的單神經(jīng)元控制器 62 THE END Modern Control Engineering 。轉(zhuǎn)速環(huán)采用單神經(jīng)元 PID控制器。 57 直流調(diào)速系統(tǒng)的單神經(jīng)元控制器 1. 系統(tǒng)結(jié)構(gòu) ?直流調(diào)速系統(tǒng)結(jié)合傳統(tǒng) PID控制機(jī)理 ， 構(gòu)成了單神經(jīng)元 PID控制器 。 被控對(duì)象FreM+dud39。 rd被控對(duì)象u yPC53 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)控制就是利用作為對(duì)象辨識(shí)模型的神經(jīng)網(wǎng)絡(luò)產(chǎn)生預(yù)測(cè)信號(hào)，然后采用優(yōu)化技術(shù)求出控制向量，從而實(shí)現(xiàn)對(duì)非線性系統(tǒng)的預(yù)測(cè)控制。 軟測(cè)量技術(shù) 49 ? 序批式活性污泥法（ SBR） 曝氣池二次沉淀池回流污泥剩余污泥進(jìn)水出水空氣 污水處理過程神經(jīng)網(wǎng)絡(luò)軟測(cè)量模型 50 BOD、 COD、 N和 P：為軟測(cè)量模型的主導(dǎo)變量。 軟測(cè)量是利用一些可測(cè)變量去估計(jì)推測(cè)那些難以測(cè)量的變量。 （ 4）神經(jīng)網(wǎng)絡(luò)具有大量連接，其權(quán)值在辨識(shí)中對(duì)應(yīng)于模型參數(shù)，通過調(diào)節(jié)這些權(quán)值可使網(wǎng)絡(luò)輸出逼近系統(tǒng)輸出。 （ 2）可以對(duì)本質(zhì)非線性系統(tǒng)進(jìn)行辨識(shí)，而且辨識(shí)是通過在網(wǎng)絡(luò)外部擬合系統(tǒng)的輸入輸出，網(wǎng)絡(luò)內(nèi)部隱含著系統(tǒng)的特性。 盡管還有很多關(guān)鍵的理論問題尚待解決 ， 但已有結(jié)果已經(jīng)展示了神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)建模方面的廣闊前景 。 ? 局部極值。 BP算法的特點(diǎn)分析 42 ? 2. BP網(wǎng)絡(luò)的主要優(yōu)缺點(diǎn) ? 很好的逼近特性。 ? 連接權(quán)值：通過 Delta學(xué)習(xí)算法進(jìn)行修正。, . . . ,1。 （ 3） 訓(xùn)練數(shù)據(jù)預(yù)處理：線性的特征比例變換 ， 將所有的特征變換到 [0
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1