《神經(jīng)網(wǎng)絡(luò)控制》ppt課件-預(yù)覽頁
【正文】 pjrpjp oNe tE ?)1( ????? rpirpjrpjp oNe tE ?要使 E安梯度下降，就必須按下式進行權(quán)值的調(diào)整 )1( ??? rpirpjrji ow ??式中：上標(biāo)變量表示第 r個隱含層， r=1,2,……,L ； 為第 r1層第 i個單元到第 r層的第 j單元的連接系數(shù)； 為學(xué)習(xí)步長。其中 Xi為 ni維輸入矢量， T維 n0維期望的輸出矢量 I=1,2,…..,p 。否則轉(zhuǎn)轉(zhuǎn)若00 72,1, ??? ppPp7）、 0m a x 2,1,0, 轉(zhuǎn)結(jié)束，否則若 ??? pEEE實際上，對訓(xùn)練過程有較大影響的有：權(quán)系數(shù)的初值、學(xué)習(xí)方式、激勵函數(shù)、學(xué)習(xí)速率等 （ 1）、權(quán)系數(shù)的初值 權(quán)系數(shù)通常初始化成小的初始值，盡可能覆蓋整個權(quán)陣的空間域，避免出現(xiàn)初始陣系數(shù)相同的情況。所以 BP算法不可避免存在局部極小問題，且學(xué)習(xí)速度很慢，在極點附近出現(xiàn)震蕩現(xiàn)象，而且不能夠平滑趨于最優(yōu)解。這里神經(jīng)元激勵函數(shù)為 ，學(xué)習(xí)步長為 TTTT ttxx ][][,]31[][ 2121 ??xexf ??? 1 1)(1??圖 315 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖 x1 x2 1 1 2 0 3 2 1 o1 o2 1 1 0 2 1 2 3 y1 y2 解： 1）、輸入最大容許逼近誤差值 和最大迭代學(xué)習(xí)次數(shù) 設(shè)初始迭代學(xué)習(xí)次數(shù) 2）、計算當(dāng)前輸入狀態(tài)下、當(dāng)前網(wǎng)絡(luò)的連接權(quán)系數(shù)下的神經(jīng)網(wǎng)絡(luò)輸出。1121 ?????? yyytn e tfyt?)1()()()( 22222239。繼續(xù)迭代計算直至滿足終止條件為止。 系統(tǒng)的穩(wěn)定狀態(tài)可以通過改變相連單元的權(quán)值而產(chǎn)生。人腦的神經(jīng)細胞個數(shù) （ 2）、非線性 —— 非線性是神經(jīng)東西學(xué)系統(tǒng)的主要特征。 5101110動態(tài)神經(jīng)網(wǎng)絡(luò)的類型： 帶時滯的多層感知器網(wǎng)絡(luò) 回歸神經(jīng)網(wǎng)絡(luò) Hopfield網(wǎng)絡(luò) 帶時滯的多層感知器網(wǎng)絡(luò) 多層感知器網(wǎng)絡(luò) 抽頭時滯環(huán)節(jié) X(k) X(k1) X(kn) X(k) y(k) 圖 418 時滯的多層感知器網(wǎng)絡(luò) 回歸神經(jīng)網(wǎng)絡(luò) 多層感知器網(wǎng)絡(luò) 抽頭時滯環(huán)節(jié) X(k) X(k1) X(kn) X(k) y(k) 圖 419 帶反饋的時滯的多層感知器網(wǎng)絡(luò) 抽頭時滯環(huán)節(jié) y(km) y(k2) y(k1) 1?z將時間作為一維信號同時加入到神經(jīng)網(wǎng)絡(luò)的輸入端實現(xiàn)利用靜態(tài)網(wǎng)絡(luò)來逼近動態(tài)時滯的時間序列系統(tǒng)。 我們主要討論二值型 Hopfield網(wǎng)絡(luò) 二值型 Hopfield網(wǎng)絡(luò) 二值型 Hopfield網(wǎng)絡(luò)又稱離散型的 Hopfield網(wǎng)絡(luò) (DHNN)—— 只有一個神經(jīng)元層次，每個處理單元有兩個狀態(tài) 0、 1或者 1，即抑制和興奮，而整個網(wǎng)絡(luò)由單一神經(jīng)元組成。 v1 v2 v3 已知網(wǎng)絡(luò)權(quán)值初值，圈內(nèi)為閥值，線上為連接系數(shù) 解：設(shè)定初始狀態(tài)為： ，可以依次選擇節(jié)點 V V V3，確定其節(jié)點興奮的條件及狀態(tài)的轉(zhuǎn)移。因此，由狀態(tài) 000不會轉(zhuǎn)變到 001和 010。 能量函數(shù)： ? ???????????ninijjiijijTT yywYWYYE1 1)(2121 ?則 Hopfield神經(jīng)網(wǎng)絡(luò)中的狀態(tài)變化導(dǎo)致能量函數(shù) E的下降，并且能量函數(shù)的極小值點與網(wǎng)絡(luò)穩(wěn)定狀態(tài)由這緊密的關(guān)系。神經(jīng)網(wǎng)絡(luò)在控制中的作用有以下幾種： ? 1．在傳統(tǒng)的控制系統(tǒng)中用以動態(tài)系統(tǒng)建模，充當(dāng)對象模型； ? 2．在反饋控制系統(tǒng)中直接充當(dāng)控制器的作用； ? 3．在傳統(tǒng)控制系統(tǒng)中起優(yōu)化計算作用； ? 4．與其他智能控制方法如模糊邏輯、遺傳算法、專家控制等相融合。即使輸出層神經(jīng)元的輸出狀態(tài)對應(yīng)于 PID控制器的三個可調(diào)參數(shù) KP,KI,KD，通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、調(diào)整權(quán)系數(shù)，從而使其穩(wěn)定狀態(tài)對應(yīng)于某種最優(yōu)控制律下的 PID控制器參數(shù)。 1．采用線性預(yù)測模型的 BP神經(jīng)網(wǎng)絡(luò) PID控制器 采用線性預(yù)測模型的 BP神經(jīng)網(wǎng)絡(luò) PID控制系統(tǒng)算法歸納如下 ： 1). 事先選定 BP神經(jīng)網(wǎng)絡(luò) NN的結(jié)構(gòu)，即選定輸入層節(jié)點數(shù)M和隱含層節(jié)點數(shù) Q，并給出權(quán)系數(shù)的初值 w(2)ij(0), w(3)li(0)，選定學(xué)習(xí)速率 η和平滑因子 α， k=1； 2). 用線性系統(tǒng)辨識法估計出參數(shù)矢量 θ(k)，從而形成一步預(yù)報模型式； 3). 采樣得到 r(k)和 y(k)，計算 e(k)=z(k)=r(k)y(k)； 4). 對 r(i),y(i),u(i1),e(i)進行歸一化處理，作為 NN的輸入； 5). 前向計算 NN的各層神經(jīng)元的輸入和輸出， NN輸出層的輸出即為 PID控制器的三個可調(diào)參數(shù) KP(k),KI(k),KD(k)； 6). 計算 PID控制器的控制輸出 u(k)，參與控制和計算； 7).計算 和 ； 8). 計算修正輸出層的權(quán)系數(shù) w(3)li(k)； 9). 計算修正隱含層的權(quán)系數(shù) w(2)ij(k)； 10). 置 k=k+1，返回到“ 2）”。????????????????????????????kekekekexkekexkexkxkukzkwkwkxkukzkwkwkxkukzkwkwkwkwwkxkwKkukuDPIiiiiiii式中，???系統(tǒng)對象： 仿真示例 )2(6 3 )1()2()1(3 6 )( ???????? kukukykyky系統(tǒng)輸入： ))4s g n ( s i n ()( tkr i n ??MATLAB程序 %Single Neural Adaptive Controller clear all。 xiteI=。 wkd_1=。 error_1=0。y_3=0。 ts=。 error(k)=rin(k)yout(k)。 %I wkd(k)=wkd_1+xiteD*u_1*x(3)。 %I wkd(k)=wkd_1+xiteD*error(k)*u_1。 %I wkd(k)=wkd_1+xiteD*error(k)*u_1*x(3)。 wkd(k)=wkd_1+xiteD*error(k)*u_1*(2*error(k)error_1)。 %I x(3)=error(k)2*error_1+error_2。 w33(k)=wkd(k)/wadd(k)。 end if u(k)10 u(k)=10。u_2=u_1。y_1=yout(k)。 end figure(1)。r39。)。 figure(2)。 xlabel(39。error39。r39。)。 kkkkkkkkkkkkkuuyyguuyyfuuyyfy,... ),... ,(,... ),... ,(,... ),... ,(11111111??????????gfyu kk /)( 11 ?? ?假設(shè)系統(tǒng)第 k + 1 個采樣時刻的期望輸出值為 d k+ 1, 則 gfdu kk /)( 11 ?? ?變學(xué)習(xí)因子自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng) 考慮到實際系統(tǒng)的制約 , 對控制量 u 加了限幅處理 , N 1 為一 BP 網(wǎng)絡(luò) , g 為比例環(huán)節(jié)。運行時 , 如果在第 L + 1 個采樣時刻檢測到第 一個非零的零狀態(tài)響應(yīng) , 則可認為純滯后時間為 L T 學(xué)習(xí)因子的選擇 學(xué)習(xí)因子的選擇對系統(tǒng)性能有較大影響 , 如果學(xué)習(xí)速率過小 , 學(xué)習(xí)過程收斂緩慢 , 必將影響到控制的實
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1