第二章matlab中的nn工具箱-資料下載頁
2025-08-01 13:02本頁面
【正文】 2. 模糊控制器的控制規(guī)則 現(xiàn)有 FLC中，控制規(guī)則一般為如下形式： IF 過程狀態(tài) THEN 控制作用 3. 模糊控制器的設(shè)計(jì)方法 語言相平面法；專家系統(tǒng)法 CAD環(huán)境工具；遺傳優(yōu)化算法 專家模糊控制器（ EFC）容許復(fù)雜的分級規(guī)則，如： IF〈 過程狀態(tài) 1〉 THEN〈 中間變量 1〉 IF〈 中間變量 N〉 THEN〈 控制作用 ... ... 智能控制系統(tǒng) 52 學(xué)習(xí)控制系統(tǒng) ?學(xué)習(xí)控制的發(fā)展 ? 學(xué)習(xí)控制的研究課題 ? 在非穩(wěn)定環(huán)境中的學(xué)習(xí) ? 提高學(xué)習(xí)效率 ? 學(xué)習(xí)系統(tǒng)的多級結(jié)構(gòu) ? 結(jié)束規(guī)則 ? 把模糊數(shù)學(xué)用于學(xué)習(xí)系統(tǒng) ?直覺推理的應(yīng)用 ? 文法推理 智能控制系統(tǒng) 53 2. 學(xué)習(xí)控制的設(shè)計(jì)原則 ? 控制系統(tǒng)應(yīng)具有分層信息處理和決策能力 ? 控制器應(yīng)具有在線特征辨識和特征記憶的功能 ? 控制器應(yīng)具有多模態(tài)控制 ? 應(yīng)用直覺推理邏輯，使控制器的決策更靈活和迅速，以提高自學(xué)習(xí)效率。 智能控制系統(tǒng) 54 ? 神經(jīng)網(wǎng)絡(luò)控制 ? 神經(jīng)網(wǎng)絡(luò)的研究已經(jīng)有幾十年的歷史 。 ? 1943年 McCulloch和 Pitts提出了神經(jīng)元數(shù)學(xué)模型； ? 1950年 1980年為神經(jīng)網(wǎng)絡(luò)的形成期 ， 有少量成果 ， 如 1975年 Albus提出了人腦記憶模型 CMAC網(wǎng)絡(luò) ， 1976年 Grossberg提出了用于無導(dǎo)師指導(dǎo)下模式分類的自組織網(wǎng)絡(luò)； 55 ? 1980年以后為神經(jīng)網(wǎng)絡(luò)的發(fā)展期， 1982年Hopfield提出了 Hopfield網(wǎng)絡(luò)，解決了回歸網(wǎng)絡(luò)的學(xué)習(xí)問題， 1986年美國的 PDP研究小組提出了 BP網(wǎng)絡(luò)，實(shí)現(xiàn)了有導(dǎo)師指導(dǎo)下的網(wǎng)絡(luò)學(xué)習(xí)，為神經(jīng)網(wǎng)絡(luò)的應(yīng)用開辟了廣闊的發(fā)展前景。 ? 將神經(jīng)網(wǎng)絡(luò)引入控制領(lǐng)域就形成了神經(jīng)網(wǎng)絡(luò)控制。 56 ? 神經(jīng)網(wǎng)絡(luò)控制是從機(jī)理上對人腦生理系統(tǒng)進(jìn)行簡單結(jié)構(gòu)模擬的一種新興智能控制方法。神經(jīng)網(wǎng)絡(luò)具有并行機(jī)制、模式識別、記憶和自學(xué)習(xí)能力的特點(diǎn)，它能充分逼近任意復(fù)雜的非線性系統(tǒng)，能夠?qū)W習(xí)與適應(yīng)不確定系統(tǒng)的動態(tài)特性，有很強(qiáng)的魯棒性和容錯(cuò)性等，因此，神經(jīng)網(wǎng)絡(luò)控制在控制領(lǐng)域有廣泛的應(yīng)用。 57 神經(jīng)控制系統(tǒng) 1. 神經(jīng)控制研究的發(fā)展及特性 ? 發(fā)展 ?1960年，威德羅 (Widrow)和霍夫 (Hoff)率先把神經(jīng)網(wǎng)絡(luò)用于自動控制研究。 ? 60年代末期至 80年代中期，神經(jīng)網(wǎng)絡(luò)控制與整個(gè)神經(jīng)網(wǎng)絡(luò)研究一樣，處于低潮。 ? 80年代后期以來，神經(jīng)網(wǎng)絡(luò)控制的研究日趨活躍。 智能控制系統(tǒng) 58 ?神經(jīng)網(wǎng)絡(luò)的特性 ?并行處理和快速性，適于實(shí)時(shí)控制和動力學(xué)控制。 ?本質(zhì)非線性特性，為非線性控制帶來新的希望。 ?可通過訓(xùn)練獲得學(xué)習(xí)能力，能解決用數(shù)學(xué)模型或規(guī)則描述難以處理或無法處理的控制過程。 ?很強(qiáng)的自適應(yīng)能力和信息綜合能力，能同時(shí)處理大量的不同類型的控制輸入，解決輸入信息的互補(bǔ)性和冗余性問題。 智能控制系統(tǒng) 59 2. 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)控制 智能控制系統(tǒng) 圖 監(jiān)督式學(xué)習(xí) NN控制器的結(jié)構(gòu) 監(jiān)督對象 受控對象 NNC r(t) e(t) u(t) y(t) + + 選擇器 60 實(shí)現(xiàn) SNC包括下列步驟： ?通過傳感器及傳感信息處理獲取必要的控制信息。 ?構(gòu)造神經(jīng)網(wǎng)絡(luò)，包括選擇合適的神經(jīng)網(wǎng)絡(luò)類型、結(jié) 構(gòu)參數(shù)和學(xué)習(xí)算法等。 ?訓(xùn)練 SNC，實(shí)現(xiàn)從輸入到輸出的映射，產(chǎn)生正確控制。 智能控制系統(tǒng) 61 3. 神經(jīng)網(wǎng)絡(luò)非線性控制 智能控制系統(tǒng) 圖 神經(jīng)元預(yù)測控制器結(jié)構(gòu)圖 對象 NLO NNP 過濾器 r(t) e(t) u(t) y(t) d e(t) + + y(t+k) ^ NLO — 非線性優(yōu)化器 NNP — 神經(jīng)網(wǎng)絡(luò)預(yù)測器 62 ?預(yù)測控制算法的本質(zhì)是預(yù)測模型、滾動優(yōu)化和反饋校正。預(yù)測模型用于描述控制對象的動態(tài)行為，根據(jù)系統(tǒng)當(dāng)前輸入和輸出信息以及未來輸出信息，預(yù)測未來的輸出值。 智能控制系統(tǒng) 63 4. 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制 模型參考自適應(yīng)控制 (MRAC) 多采用間接控制方式。訓(xùn)練時(shí)，隨意產(chǎn)生控制器輸出傳送至對象，由該輸出信號和對象的實(shí)際輸出來訓(xùn)練控制器，使控制器最終能夠產(chǎn)生正確的控制信號，以求對象輸出盡可能地接近期望軌跡。 5. 其它神經(jīng)網(wǎng)絡(luò)控制 神經(jīng)網(wǎng)絡(luò)魯棒自適應(yīng)控制、模糊神經(jīng)網(wǎng)絡(luò)控制、神經(jīng)網(wǎng)絡(luò)變結(jié)構(gòu)控制、神經(jīng)網(wǎng)絡(luò)自尋優(yōu)控制、神經(jīng)網(wǎng)絡(luò)自校正控制 , …… 智能控制系統(tǒng) 64 智能控制應(yīng)用示例 (Intelligent Control Application) 1. 智能機(jī)器人規(guī)劃與控制 感知狀況 環(huán)境 傳感器信息處理 傳感器 數(shù)值 目標(biāo)選擇 任務(wù)分解 驅(qū)動器 世界模型 數(shù)據(jù)庫 事件 作用 評價(jià) 預(yù)測狀況 規(guī)劃 內(nèi)部 外部 圖 113 MAUV的智能控制原理結(jié)構(gòu)圖 65 2. 智能機(jī)器人規(guī)劃與控制 3. 自動加工系統(tǒng)的智能控制 4. 智能故障檢測與診斷 5. 飛行器的智能控制 6. 醫(yī)用智能控制 7. 智能儀器 66 小結(jié) (Summary) ?本章著重討論了智能控制的結(jié)構(gòu)理論和特點(diǎn)，現(xiàn)存的智能控制結(jié)構(gòu)理論有二元、三元和四元交集等理論。 ?本章另一重點(diǎn)是各種智能控制系統(tǒng)的原理與構(gòu)成，分別介紹了分級遞階智能控制、專家控制、模糊控制、學(xué)習(xí)控制和神經(jīng)控制等系統(tǒng)。 ? 本章還闡述了智能控制的研究領(lǐng)域及應(yīng)用實(shí)例。 智能控制的研究領(lǐng)域是十分廣泛和高度交叉的，它的應(yīng)用也日益廣泛。
試題試卷相關(guān)推薦
鄂ICP備17016276號-1