【正文】 使其與被控對象和環(huán)境達到良好的 “ 匹配 ” ，以削弱不確定性的影響。 緒論 神經(jīng)元網(wǎng)絡(luò)和 PID控制結(jié)合的兩種流行方法： 被 控 對 象神 經(jīng) 網(wǎng) 絡(luò)??ddt PkIkDk ()yt()rt ??被 控 對 象??ddt 1W23W ()yt()rt ??()et缺點：結(jié)構(gòu)復(fù)雜、不能避免神經(jīng)網(wǎng)絡(luò)自身的缺陷。139。 設(shè)訓(xùn)練輸入矢量的集合為： ?? 12, , , ,PR R R R?其中某個訓(xùn)練輸入矢量為： 12( , ) TP P PR r r? ? ?( 1 ) , ( 2 ) , ( ) ,p i p i p i p ir r r r l?SPIDNN的實際輸出矢量的集合為： 12( , , , , ) TpV v v v?式中 ? ?( 1 ) , ( 2 ) , , ( )p p p pv v v v l? l為采樣點數(shù)。3139。39。39。39。很多神經(jīng)元網(wǎng)絡(luò)不能用于實際系統(tǒng)控制，就是因為其不能保證系統(tǒng)全過程穩(wěn)定。 （ 2）在神經(jīng)元網(wǎng)絡(luò)作為控制系統(tǒng)中的控制器時，網(wǎng)絡(luò)連接權(quán)重初值的選取還關(guān)系著系統(tǒng)的穩(wěn)定性。39。ju式 ()中的 39。 39。00 39。1 , ( ) 1( ) ( ) , 1 ( ) 11 , ( ) 1jj j jjukx k u k u kuk? ??? ? ? ? ??? ? ? ??（ ） 3) 輸出層 SPIDNN的輸出層結(jié)構(gòu)比較簡單，它只包含一個神經(jīng)元，完成網(wǎng)絡(luò)的總和輸出功能，其總輸入為： 3 39。j=1,2,3。 ⑷ 傳統(tǒng)系統(tǒng)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、參數(shù)和機能，難以與控制系統(tǒng)所要求的響應(yīng)快、超調(diào)小、無靜差、靜態(tài)指標(biāo)相聯(lián)系。 緒論 2）人工神經(jīng)網(wǎng)絡(luò)控制的系統(tǒng)的特點和弱點 : 一般神經(jīng)網(wǎng)絡(luò)的弱點，包括以下問題： ⑴ 一般神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練時間很長。 PID神經(jīng)元網(wǎng)絡(luò) SPIDNN的結(jié)構(gòu)形式 r v1 11u 1x22u 2x11w12w13w21w2223wr1 1t?1u? 1x ?2 ??u ??x ??r13 ?3u ? 3x ?2 ??u ??x ??1w ??2w ??3w ??r y PID神經(jīng)元網(wǎng)絡(luò) SPIDNN的前向計算模型 SPIDNN的前向算法根據(jù)網(wǎng)絡(luò)的兩個輸入值，按網(wǎng)絡(luò)當(dāng)前權(quán)重值和各層狀態(tài)函數(shù)和輸出函數(shù)形成網(wǎng)絡(luò)的輸出。 39。( 1 ) , ( 2 ) , , ( )p p p pv v v v l? SPIDNN訓(xùn)練和學(xué)習(xí)的目的是使網(wǎng)絡(luò)實際輸出和理想輸出的對應(yīng)時間序列的偏差平方均值為最小： 239。39。 ( 1)j k ? 對于神經(jīng)元網(wǎng)絡(luò)權(quán)重值的收斂，收斂方向是最重要的，收斂速度還可以通過其他因子調(diào)節(jié)。39。目前對傳統(tǒng)神經(jīng)元網(wǎng)絡(luò)連接權(quán)重初值的選取尚無固定的準(zhǔn)則，一般只能取隨機數(shù)，這將導(dǎo)致出現(xiàn)以下兩個問題。 pKw ?39。39。 39。39。39。 39。 39。 ? PIDNN的初值按 PID控制規(guī)律的基本原則確定，加快了收斂速度，不易陷入極小點；更重要的是可以利用現(xiàn)有的PID控制的大量經(jīng)驗數(shù)據(jù)確定網(wǎng)絡(luò)權(quán)重初值，使控制系統(tǒng)保持初始穩(wěn)定，使系統(tǒng)的全局穩(wěn)定成為可能。付冬梅 信息工程學(xué)院 自動化系 20221029 第七章 PID神經(jīng)網(wǎng)絡(luò) 緒論 PID神經(jīng)元的計算方法