第十三章神經(jīng)網(wǎng)絡(luò)建模與控制(編輯修改稿)
2024-11-29 13:55 本頁面
【文章內(nèi)容簡介】 ()( kkku ?? ??系統(tǒng)輸入信號為： 辨識器取串 并聯(lián)結(jié)構(gòu)，其中的 NN取二維高斯 RBF網(wǎng)絡(luò)。 其中散布系數(shù) SC=1，中心參數(shù)是程序內(nèi)部自設(shè)的。 )1()1( )1(2)( 32 kukykyky ??? 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 例 4 基于 CMAC的非線性動(dòng)態(tài)系統(tǒng)辨識 仿真系統(tǒng)模型為： )40/2c o s ()60/2c o s ()( kkku ?? ??系統(tǒng)輸入信號為： 辨識器由 CMAC與一個(gè) Z1組成。但這里選的是并聯(lián)結(jié)構(gòu)。全知權(quán)值依據(jù) δ 學(xué)習(xí)規(guī)則調(diào)整。這里設(shè) y=（學(xué)習(xí)率） ,C=5（泛化常數(shù) )N=5，量化級 q=Umin~Umax=1~1. )1()1( )1(5)( 32 kukykyky ??? 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 例 5 基于 PID網(wǎng)絡(luò)的非線性動(dòng)態(tài)系統(tǒng)辨識 仿真系統(tǒng)模型： )40/2c o s ()60/2c o s ()( kkku ?? ??)1()1( )1(5)( 32 kukykyky ???)(?/)](),([ kykyku系統(tǒng)輸入信號為： 辨識器的輸入 /輸出為： PID神經(jīng)網(wǎng)絡(luò)的輸入 /輸出為： )(?/)]1(),1([ kykyku ??PID神經(jīng)網(wǎng)絡(luò)輸出層用線性節(jié)點(diǎn)，準(zhǔn)則函數(shù)取 2/)](?)([)( 2kykykE ??設(shè) η 1=， η2=. 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 例 5 基于 PID網(wǎng)絡(luò)的非線性動(dòng)態(tài)系統(tǒng)辨識 辨識器 ANNI采用 PID神經(jīng)網(wǎng)絡(luò)與按拍延遲線（兩個(gè) Z1）組成，選用串 并聯(lián)辨識結(jié)構(gòu)，如下圖所示： 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 以上例子中這類問題的一般化描述為： 非線性系統(tǒng)的差分方程形式包含有： )()](,),1([)(5)](,),1([)()(4)()](),1([)(3)](,),1([)](,),1([)(2)](,),1()。(,),1([)(111ikubnkykygkyMmkukuikyakyMmkunkykygkyMmkukunkykygkyMmkukunkykygkyMmiinii??????????????????????????????????????仿射型離散狀態(tài)空間表達(dá)式： )](),([)()]([)([)1(kukxgkykukxkx???? ??一般型離散狀態(tài)空間表達(dá)式： )](),([)()]()([)1(kukxgkykukxkx???? ? 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 對于前 5個(gè) SISO系統(tǒng)而言，假設(shè)： 1，模型結(jié)構(gòu)已知，而 n m 已知。 2， u(k)， y(k)可測量。 3，對所有 u(k)而言， y(k)是一致有界的，即系統(tǒng)穩(wěn)定。 對于后面兩個(gè) MIMO系統(tǒng)而言，假設(shè) 1，系統(tǒng)具有能控性，能觀性。 2，輸入 m維，輸出 p維，狀態(tài) n維。 在一般情況下多用傳 并聯(lián)辨識結(jié)構(gòu)，這種結(jié)構(gòu)下 ANNI更容易保證其穩(wěn)定性。 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 例 6 用線性自適應(yīng)神經(jīng)元進(jìn)行線性系統(tǒng)逆模型辨識 仿真系統(tǒng)模型為： 由于 P(z)的零點(diǎn) p=,極點(diǎn)為 ，均在 Z平面單位圓內(nèi)，因此 P(z)是穩(wěn)定的且具有一階時(shí)延的系統(tǒng) （ 2）系統(tǒng)逆模型，由于其極點(diǎn)在 Z平面單位圓內(nèi)，因此其是穩(wěn)定的： （ 1）求系統(tǒng)的 Z傳遞函數(shù) )2()1()2()1()( ???????? kukukykyky11111211])(1][)(1[)( ?????????????????? zzjzjzzzzzzP1210111)(1)()(???????????zzzzPzPzP 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 例 6 用線性自適應(yīng)神經(jīng)元進(jìn)行線性系統(tǒng)逆模型辨識 )2()2()1()()1( ???????? kukykykyku（ 3）逆模型辨識：逆模型 神經(jīng)網(wǎng)絡(luò)的輸出為 u(k1).輸入為：y(k),y(k1), y(k2),u(k2) 逆差分方程為： 逆模的參數(shù)為： TTdCCC ][][12101 ?????? 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 （ 5）在線逆模型辨識（模型還是例 6的模型） 例 6 用線性自適應(yīng)神經(jīng)元進(jìn)行線性系統(tǒng)逆模型辨識 在線逆模型辨識（但是不能用 M序列，可用正弦和隨機(jī)數(shù)）證明在線難度大 （ 4）離線逆模型辨識： 輸入 u(k)循環(huán)周期 Np=15的四階 M序列 程序名稱 （離線） 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識示例 （在線） 這里主要解決如下的幾個(gè)問題： （ 1）神經(jīng)控制的設(shè)計(jì)問題 （ 2）神經(jīng)控制的集中結(jié)構(gòu)及設(shè)計(jì) （ 3）再勵(lì)學(xué)習(xí)原理，再勵(lì)學(xué)習(xí)與神經(jīng)控制。 1）神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) （ 1）神經(jīng)控制系統(tǒng)的一般結(jié)構(gòu) 神經(jīng)控制器 y(t) T 保持器 對象或過程 傳感器 u(t) T e(t) r(t) 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 (a)閉環(huán)確定性系統(tǒng)的 ANN控制 對于該神經(jīng)控制的設(shè)計(jì)，就是神經(jīng)辨識器、控制器結(jié)構(gòu)（包括動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)種類、結(jié)構(gòu)）的選擇，很可能需經(jīng)多次試探過程，在 L2意義下，使準(zhǔn)則函數(shù)： A N N CkekytrkEA N N IkekykykE2222212121)(21)](?)([21)()(21)](?)([21)(
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1