【正文】 圖 614 BP網(wǎng)絡(luò)逼近效果 第 6章 新型控制策略 44 圖 615 BP網(wǎng)絡(luò)逼近誤差 第 6章 新型控制策略 45 圖 616 Jacobian信息的辯識 第 6章 新型控制策略 46 5. BP網(wǎng)絡(luò)的憂缺點(diǎn) BP網(wǎng)絡(luò)的優(yōu)點(diǎn)： ， BP網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系； 由于 BP網(wǎng)絡(luò)具有很好的逼近非線性映射的能力 ，該網(wǎng)絡(luò)在 模式識別 、 圖像處理 、 系統(tǒng)辨識 、 函數(shù)擬合 、優(yōu)化計(jì)算 、 最優(yōu)預(yù)測 和 自適應(yīng)控制 等領(lǐng)域有著較為廣泛的應(yīng)用。 2. 目標(biāo)函數(shù)存在多個(gè)極值點(diǎn)，按梯度下降法進(jìn)行學(xué)習(xí)，很容易陷入局部極小值； 3. 難以確定隱層及隱層節(jié)點(diǎn)的數(shù)目。當(dāng)訓(xùn)練滿足要求后， 得到的神經(jīng)網(wǎng)絡(luò)權(quán)值構(gòu)成了模式識別的知識庫，利用神經(jīng)網(wǎng)絡(luò)并行推理算法 便可對所需要的輸入模式進(jìn)行識別。 當(dāng)待識別的輸入模式與訓(xùn)練樣本中所有輸入模式相差較遠(yuǎn)時(shí)， 就不能得到正確的識別結(jié)果 ， 此時(shí)可將這一模式作為新的樣本進(jìn)行訓(xùn)練，使神經(jīng)網(wǎng)絡(luò)獲取新的知識，并存儲到網(wǎng)絡(luò)的權(quán)值矩陣中，從而增強(qiáng)網(wǎng)絡(luò)的識別能力 。 (2) 反向傳播 ：采用梯度下降法，調(diào)整各層間的權(quán)值。 1()1 jjj xx f x e ??? ?則 39。l jl jjx w x? ?第 6章 新型控制策略 54 第 6章 新型控制策略 55 (2) 反向傳播 ：采用梯度下降法，調(diào)整各層間的權(quán)值。 ( 1 ) ( )jl jl jlw k w k w? ? ? ?1Nplij llij ijE xweww?? ?? ?? ? ? ????39。39。 表 61 訓(xùn)練樣本 第 6章 新型控制策略 58 BP網(wǎng)絡(luò)模式識別程序包括網(wǎng)絡(luò)訓(xùn)練程序 程序 。 概述 神經(jīng)網(wǎng)絡(luò)是一種具有高度非線性的連續(xù)時(shí)間動力系統(tǒng)，它有著很強(qiáng)的自學(xué)習(xí)能力和對非線性系統(tǒng)的強(qiáng)大映射能力。 第 6章 新型控制策略 63 神經(jīng)網(wǎng)絡(luò)控制所取得的進(jìn)展為： (1)基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識：可在己知常規(guī)模型結(jié)構(gòu)的情況下，估計(jì)模型的參數(shù)；或利用神經(jīng)網(wǎng)絡(luò)的線性、非線性特性，建立線性、非線性系統(tǒng)的靜態(tài)、動態(tài)、逆動態(tài)及預(yù)測模型。 (5)控制系統(tǒng)的故障診斷：利用神經(jīng)網(wǎng)絡(luò)的逼近特性，可對控制系統(tǒng)的各種故障進(jìn)行模式識別，從而實(shí)現(xiàn)控制系統(tǒng)的故障診斷。 第 6章 新型控制策略 66 首先對人工控制或傳統(tǒng)控制進(jìn)行學(xué)習(xí)，然后用神經(jīng)網(wǎng)絡(luò)控制器逐漸取代傳統(tǒng)控制器的方法，稱為 神經(jīng)網(wǎng)絡(luò)監(jiān)督控制 。這些數(shù)據(jù)是執(zhí)行人工控制時(shí)的輸入、輸出數(shù)據(jù)。則將此網(wǎng)絡(luò)作為 前饋控制器 后，被控對象的輸出為期望輸出。在訓(xùn)練時(shí)，神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出用 u’表示，則用（ u’ u*）這個(gè)偏差可以控制網(wǎng)絡(luò)的訓(xùn)練過程。對于要求有一定魯棒性的應(yīng)用場合，這種控制系統(tǒng)就存在一些問題。 圖 620 神經(jīng)網(wǎng)絡(luò)直接逆控制的結(jié)構(gòu) 第 6章 新型控制策略 70 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制 是把神經(jīng)網(wǎng)絡(luò)用于傳統(tǒng)自適應(yīng)控制方法中而產(chǎn)生的新的控制方法。 在本質(zhì)上同神經(jīng)網(wǎng)絡(luò)直接逆控制，其結(jié)構(gòu)如圖 620所示?？刂破髦苯优c系統(tǒng)的逆有關(guān)，通過引入濾波器來提高系統(tǒng)的魯棒性。通過設(shè)計(jì)優(yōu)化性能指標(biāo)，利用非線性優(yōu)化器可求出優(yōu)化的控制作用 u(t)。 :01:4901:01Mar2323Mar23 1故人江海別，幾度隔山川。 2023年 3月 上午 1時(shí) 1分 :01March 23, 2023 1行動出成果，工作出財(cái)富。 01:01:4901:01:4901:013/23/2023 1:01:49 AM 1成功就是日復(fù)一日那一點(diǎn)點(diǎn)小小努力的積累。 2023年 3月 23日星期四 上午 1時(shí) 1分 49秒 01:01: 1楚塞三湘接，荊門九派通。 , March 23, 2023 閱讀一切好書如同和過去最杰出的人談話。勝人者有力，自勝者強(qiáng)。 2023年 3月 23日星期四 1時(shí) 1分 49秒 01:01:4923 March 2023 1一個(gè)人即使已登上頂峰，也仍要自強(qiáng)不息。 2023年 3月 23日星期四 上午 1時(shí) 1分 49秒 01:01: 1最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。 :01:4901:01Mar2323Mar23 1越是無能的人，越喜歡挑剔別人的錯(cuò)兒。 2023年 3月 23日星期四 1時(shí) 1分 49秒 01:01:4923 March 2023 1空山新雨后，天氣晚來秋。 01:01:4901:01:4901:01Thursday, March 23, 2023 1不知香積寺，數(shù)里入云峰。 上午 1時(shí) 1分 49秒 上午 1時(shí) 1分 01:01: 沒有失敗，只有暫時(shí)停止成功！。 :01:4901:01:49March 23, 2023 1他鄉(xiāng)生白發(fā)，舊國見青山。 , March 23, 2023 雨中黃葉樹，燈下白頭人。 圖 623 神經(jīng)網(wǎng)絡(luò)內(nèi)模控制 第 6章 新型控制策略 75 圖 624 神經(jīng)網(wǎng)絡(luò)預(yù)測控制 神經(jīng)網(wǎng)絡(luò)預(yù)測控制的結(jié)構(gòu)如圖 624所示，神經(jīng)網(wǎng)絡(luò)預(yù)測器建立了非線性被控對象的預(yù)測模型，并可在線進(jìn)行學(xué)習(xí)修正。 其結(jié)構(gòu)如圖 621所示。 自校正控制 根據(jù)對系統(tǒng)正向或逆模型的結(jié)果調(diào)節(jié)控制器內(nèi)部參數(shù)，使系統(tǒng)滿足給定的指標(biāo)；而在 模型參考自適應(yīng)控制 中，閉環(huán)控制系統(tǒng)的期望性能由一個(gè)穩(wěn)定的參考模型來描述，控制系統(tǒng)的目的就是使被控對象的輸出漸進(jìn)地趨近于參考模型的輸出。在線學(xué)習(xí)可以調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)，使神經(jīng)網(wǎng)絡(luò)對逆模型的真實(shí)度提高。 在逆控制系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)直接連在控制回路作為控制器，控制效果嚴(yán)重地依賴控制器對對象逆向模擬的真實(shí)程度（逆控制的可用性在相當(dāng)程度上取決于逆模型的準(zhǔn)確精度）。 實(shí)際上，被控對象可以是一個(gè)未知的系統(tǒng)，在被控對象輸入端加入u*，則其輸出就會產(chǎn)生 y*。也就是說，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是執(zhí)行傳感輸入到人工控制作用的映射。 圖 619 神經(jīng)網(wǎng)絡(luò)監(jiān)督控制 在監(jiān)督控制系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)需要脫機(jī)進(jìn)行訓(xùn)練。 第 6章 新型控制策略 65 神經(jīng)網(wǎng)絡(luò)控制的結(jié)構(gòu) 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：一類為神經(jīng)控制 ，它是以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)而形成的獨(dú)立智能控制系統(tǒng)； 另一類為混合神經(jīng)網(wǎng)絡(luò)控制 ，它是指利用神經(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， 目前神經(jīng)網(wǎng)絡(luò)控制器尚無統(tǒng)一的分類方法。 (3)神經(jīng)網(wǎng)絡(luò)與其他算法相結(jié)合：神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)、模糊邏輯、遺傳算法等相結(jié)合可構(gòu)成新型控制器。 第 6章 新型控制策略 62 神經(jīng)網(wǎng)絡(luò)本身具備傳統(tǒng)的控制手段無法實(shí)現(xiàn)的一些優(yōu)點(diǎn)和特征，使得神經(jīng)網(wǎng)絡(luò)控制器的研究迅速發(fā)展。將網(wǎng)絡(luò)訓(xùn)練的最終權(quán)值為用于模式識別的知識庫，將其保存在文件。 ?此時(shí)的權(quán)值為 式中， ?為動量因子， 。39。p ljl l l jjl jlE xw e e xww? ? ?? ?? ? ? ? ? ? ? ? ???式中， ?為學(xué)習(xí)速率， [0,1]??。39。 隱層神經(jīng)元的輸入為所有輸入的加權(quán)之和，即