機(jī)電一體化設(shè)備的控制策略(參考版)
2025-05-13 00:31本頁(yè)面
【正文】 ? 重點(diǎn)問(wèn)題 傳統(tǒng)控制方法、現(xiàn)代控制方法和智能控制等。 神經(jīng)網(wǎng)絡(luò)所具有的任意非線性表示能力 ， 可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的 PID控制 。 為了使泛化學(xué)習(xí)具有自適應(yīng)能力 ， 可把它與 MRAC結(jié)合構(gòu)成神經(jīng)網(wǎng)絡(luò) MRAC控制 ， 即神經(jīng)網(wǎng)絡(luò)間接自適應(yīng)控制 。 ＋＋＋－y d ( k )y ( t + k )u ( t ) y ( t )濾 波 器神 經(jīng) 網(wǎng) 絡(luò)預(yù) 測(cè) 器非 線 性優(yōu) 化 器被 控 對(duì) 象圖 神經(jīng)網(wǎng)路預(yù)測(cè)控制器結(jié)構(gòu)圖 返回 50 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制 對(duì)于復(fù)雜的控制對(duì)象和環(huán)境 ， 希望控制器能夠根據(jù)受控對(duì)象行為的觀測(cè)量 ，自適應(yīng)地控制對(duì)象至期望要求 。 ? 特點(diǎn) ：極點(diǎn)配置自適應(yīng) PID控制器具有計(jì)算量較小 ， 魯棒性較強(qiáng) ， 適合于非最小相位系統(tǒng)且可推廣到多變量系統(tǒng)等優(yōu)點(diǎn) 。 其簡(jiǎn)單的結(jié)構(gòu)如圖 : 標(biāo) 準(zhǔn) 化 輸 入 空 間1? 23? 42k? ? 1k ?k?? ()y ?基 函 數(shù)權(quán) 值 向 量網(wǎng) 絡(luò) 輸 出12(,)nnfxxx??nx1?23?42k? ? 1k ?k圖 神經(jīng) 模糊系統(tǒng)的三層結(jié)構(gòu) 返回 48 自適應(yīng) PID控制 極點(diǎn)配置自適應(yīng) PID控制算法的原理是通過(guò)調(diào)整 PID參數(shù) ， 使系統(tǒng)具有期望的閉環(huán)特征方程 。 返回 47 神經(jīng)模糊控制 采用模糊規(guī)則來(lái)實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)系統(tǒng)的初始化的神經(jīng)網(wǎng)絡(luò)系統(tǒng)稱(chēng)為神經(jīng)模糊系統(tǒng) （ neurofuzzy system） 。 采用線性系統(tǒng)理論來(lái)設(shè)計(jì)廣義預(yù)測(cè)器 ， 簡(jiǎn)化了設(shè)計(jì) 。 這種方法已用于一類(lèi)復(fù)雜工藝過(guò)程的終點(diǎn)控制 。 44 3．遺傳算法的工作過(guò)程 （如圖 ） 問(wèn) 題 域 （ 表 現(xiàn) 型 ）遺 傳 域 （ 基 因 型 ）父 個(gè) 體 1父 個(gè) 體 2父 個(gè) 體 3父 個(gè) 體 4子 個(gè) 體 1子 個(gè) 體 2子 個(gè) 體 3子 個(gè) 體 4編 碼解 碼選 擇交 叉變 異下 一 代否是最 終 代是 否 滿 足 優(yōu) 化準(zhǔn) 則 ？圖 遺傳算法的一般過(guò)程 ① 初始化 ② 選擇 ③ 交叉 ④ 突然變異 然后子代的適應(yīng)度又被重新計(jì)算 返回 45 167。 編碼 ：從表現(xiàn)型到遺傳子型的映射稱(chēng)為編碼 。 交叉 ：把兩個(gè)染色體換組的操作交叉 ， 又稱(chēng)重組 。 適應(yīng)度 ：各個(gè)個(gè)體各自適應(yīng)環(huán)境的程度稱(chēng)適應(yīng)度 。 43 個(gè)體 ：指染色體帶有特征的實(shí)體稱(chēng)個(gè)體 。 遺傳子型 ：遺傳因子組合的模型叫遺傳子型 ， 它是性狀染色體的內(nèi)部表現(xiàn) ， 又稱(chēng)基因型 。 遺傳因子 ：控制生物性狀遺傳物質(zhì)的功能和結(jié)構(gòu)的基本單位 ， 又稱(chēng)為基因 。 輸 入輸 出圖 反饋型神經(jīng)網(wǎng)絡(luò) 返回 41 ? 有教師學(xué)習(xí) ? 無(wú)教師學(xué)習(xí) ? 在勵(lì)學(xué)習(xí) 42 遺傳算法 1．遺傳算法的概念 遺傳算法 （ Geic Algorithm） 是一類(lèi)借鑒生物界的 進(jìn)化規(guī)律 （ 適者生存 ， 優(yōu)勝劣汰遺傳機(jī)制 ） 演化而來(lái)的隨機(jī)化搜索方法 。前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)是兩種典型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型 。 1x 2x3xnx1 jw2 jw3 jwnjw ? iy? ()f0 1x ?圖 人工神經(jīng)元模型 39 3．人工神經(jīng)網(wǎng)絡(luò)模型 人工神經(jīng)網(wǎng)絡(luò)是以工程技術(shù)手段來(lái)模擬人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與特征的系統(tǒng) 。 2．生物神經(jīng)元模型 （如圖 ） 胞 體軸 突樹(shù) 突郎 飛 節(jié)梅 林 鞘突 觸圖 神經(jīng)元結(jié)構(gòu)模型示意圖 38 3．人工神經(jīng)元模型 人工神經(jīng)元是對(duì)生物神經(jīng)元的一種模擬與簡(jiǎn)化，它是神經(jīng)網(wǎng)絡(luò)的基本處理單元。 返回 37 神經(jīng)網(wǎng)絡(luò)控制 1．神經(jīng)網(wǎng)絡(luò)控制的概念 基于 人工神經(jīng)網(wǎng)絡(luò) 的控制（ ANNbased Control）簡(jiǎn)稱(chēng)神經(jīng)控制（ Neural Control）或神經(jīng)網(wǎng)絡(luò)控制。反復(fù)對(duì)知識(shí)庫(kù)及推理規(guī)則進(jìn)行改進(jìn)試驗(yàn)，歸納出更完善的結(jié)果。 圖 工業(yè)專(zhuān)家控制器結(jié)構(gòu)框圖 36 3．專(zhuān)家控制系統(tǒng)的構(gòu)建 建造專(zhuān)家系統(tǒng)的步驟主要包括： (1) 設(shè)計(jì)初始知識(shí)庫(kù)，包括問(wèn)題知識(shí)化、知識(shí)概念化、概念形式化、形式規(guī)則化、規(guī)則合理有效化； (2) 原型機(jī)開(kāi)發(fā)與試驗(yàn)。 由于規(guī)則條數(shù)不多 ， 搜索空間很小 ， 推理機(jī)構(gòu) (IE)就十分簡(jiǎn)單 ， 采用向前推理方法逐次判別各種規(guī)則的條件 ， 滿足則執(zhí)行 ， 否則繼續(xù)搜索 。 專(zhuān) 家 控 制 器知 識(shí) 庫(kù)控 制規(guī) 則 集推 理 機(jī)特 征 識(shí) 別信 息 處 理被 控 對(duì) 象傳 感 器X euK GS I u Y 專(zhuān)家控制器的基礎(chǔ)是知識(shí)庫(kù) (KB)， KB
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1