現(xiàn)代控制工程-第13章神經(jīng)網(wǎng)絡(luò)控制-文庫吧在線文庫
【正文】 的結(jié)構(gòu)與工作方式 ? 決定人工神經(jīng)網(wǎng)絡(luò) 性能的三大要素： ? 神經(jīng)元的特性。 ? 1949年 ， 赫布 （ D. O. Hebb） 提出 改變神經(jīng)元連接強度的 Hebb學(xué)習(xí)規(guī)則 。 ? 1986 年 ， 魯姆爾哈特 （ Rumelhart ） 和麥克勞（ McCellan） 等在 《 Parallel Distributed Processing》中提出反向傳播學(xué)習(xí)算法 （ B－ P算法 ） 。 ? 反向傳播：修改各層神經(jīng)元的權(quán)值，使誤差信號最小。, . . . ,1()()( 1 ???? ? tpjpimkttw kkkikij ， ?? 2. BP算法的計算機實現(xiàn)流程 ), . . . ,1, . . . ,1( mkpiy kki ?? ；),...,1( mmiii piyye ???39 BP算法的實現(xiàn) （ 5）反向傳播：從輸出層方向計算到第一個隱層，按連接權(quán)值修正公式向減小誤差方向調(diào)整網(wǎng)絡(luò)的各個連接權(quán)值。 ? 具有較強的泛化能力。 44 前向模型辨識 神經(jīng)網(wǎng)絡(luò)前向建模（ forward modelling） 就是利用系統(tǒng)的輸入輸出數(shù)據(jù)訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)，使神經(jīng)網(wǎng)絡(luò)具有與系統(tǒng)相同的輸入輸出關(guān)系。 神經(jīng)網(wǎng)絡(luò)作為實際系統(tǒng)的辨識模型，實際上也是系統(tǒng)的一個物理實現(xiàn)，可以用于在線控制。 ORP、 DO、 PH和 MLSS：輔助變量。_ymyPCys56 單神經(jīng)元控制器 ? 理論上 ， 由于神經(jīng)網(wǎng)絡(luò)具有很強的信息綜合能力 ，在計算速度能夠保證的條件下 ， 可以解決任意復(fù)雜的控制問題 ， 但目前缺乏相應(yīng)的神經(jīng)網(wǎng)絡(luò)計算機硬件的支持 。 單神經(jīng)元 PID控制器的參數(shù)設(shè)計主要是選擇控制器的比例因子、學(xué)習(xí)速率、權(quán)重初值、采樣周期等參數(shù)，它們對學(xué)習(xí)和控制效果有一定的影響。 u1u3x u+帶有電流環(huán)直流調(diào)速系統(tǒng)Kuf ( )?狀態(tài)變換器w1w2w3nr e u2 v單神經(jīng)元控制器58 直流調(diào)速系統(tǒng)的單神經(jīng)元控制器 ?神經(jīng)元的特性取為 ： ?數(shù)字 PID控制算法的基本表示式為 ： ?為使單神經(jīng)元具有 PID特性，可以分別取狀態(tài)量 ： 3311( ) ( ( ) ( )) ( )u i i iiix k K w k u k w k??? ??()m a x ()1( ) [ ( ) ]1xkxkeu k f x k Ue??????1( ) ( ) ( ) [ ( ) ( 1 ) ]kdpiiKu k K e k K T e i e k e kT?? ? ? ? ??11( ) ( )kiu k T e i?? ? 2 ( ) ( )u k e k? 3 ( ) [ ( ) ( 1 ) ] ( )u k e k e k T e k? ? ? ? ?59 直流調(diào)速系統(tǒng)的單神經(jīng)元控制器 ?針對直流調(diào)速系統(tǒng)的特點，從控制角度出發(fā)，應(yīng)用反饋原理，將無監(jiān)督的 Hebb學(xué)習(xí)規(guī)則和有監(jiān)督的 WidrowHoff規(guī)則結(jié)合起來，得到神經(jīng)元控制器的學(xué)習(xí)算法。 Mrd參考模型優(yōu)化算法被控對象u?uyryPymC54 神經(jīng)網(wǎng)絡(luò)模型參考控制 Narendra等在 1990年提出了非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制。 48 ? 軟測量系統(tǒng)的設(shè)計： ? 輔助變量的選擇：變量類型、變量數(shù)量和檢測點位置的選擇。因此，辨識是由神經(jīng)網(wǎng)絡(luò)本身實現(xiàn)的，是非算法式的。 ? 難以確定隱層和隱層結(jié)點的數(shù)目。 ? 神經(jīng)元傳輸函數(shù)： S形函數(shù)。 （ 4） 后處理過程：當(dāng)應(yīng)用神經(jīng)網(wǎng)絡(luò)進行分類操作時 ， 通常將輸出 值編碼成所謂的名義變量 ， 具體的值對應(yīng)類別標號 。 32 ?（ 1） 是否存在一個 BP神經(jīng)網(wǎng)絡(luò)能夠逼近給定的樣本或者函數(shù) 。 神經(jīng)網(wǎng)絡(luò)的發(fā)展概況 ? 第一次熱潮時期： 20世紀 50年代末－ 20世紀 60年代 初 25 ? 1969年 ， 明斯基 （ M. Minsky） 等在 《 Perceptron》中對感知器功能得出悲觀結(jié)論 。 ? 異步 （ 串行） 方式： 任一時刻只有一個神經(jīng)元調(diào)整狀態(tài)，而其它神經(jīng)元的狀態(tài)保持不變。 ：第 個神經(jīng)元的閾值。 ? 神經(jīng)元約有 1000種類型，每個神經(jīng)元大約與 103－ 104個其他神經(jīng)元相連接，形成極為錯綜復(fù)雜而又靈活多變的神經(jīng)網(wǎng)絡(luò)。Artificial Intelligence Principles and Applications 第 13章 神經(jīng)網(wǎng)絡(luò)控制 教材： 王萬良 ， 現(xiàn)代控制工程 ， 高等教育出版社 ， 2022 2 第 13章 神經(jīng)網(wǎng)絡(luò)控制 ? 人工神經(jīng)網(wǎng)絡(luò)（ Artificial Neural Network，簡稱 ANN）有著很強的自學(xué)習(xí)功能和對非線性系統(tǒng)映射能力，已廣泛應(yīng)用于復(fù)雜對象的控制中，成為智能控制中的重要研究領(lǐng)域。 ? 人的智能行為就是由如此高度復(fù)雜的組織產(chǎn)生的。
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1