第十三章神經(jīng)網(wǎng)絡(luò)建模與控制-文庫吧資料
2024-11-01 13:55本頁面
【正文】 0 200( 1 ) si n( ( ) ) ( ) / 7 ( ) , 200( ) 1 ( ) 0 100 , 300( ) 1 ( ) , 100 300( ) 50( ) 0 50y k y k u k ky k y k y k u k kr k k k kr k k kv k kv k k? ? ? ? ???? ? ? ? ??? ? ? ???? ? ? ?????????系 統(tǒng) 輸 入 為 作 用 于 被 控 對 象 的 擾 動 為 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 3）神經(jīng) PID控制 神經(jīng) PID控制結(jié)構(gòu)中有兩個神經(jīng)網(wǎng)絡(luò)：在線辨識器 (ANNI)，自適應(yīng) PID控制器（ ANNC)。 H為非線性節(jié)點 )()]([)([)1( kukykygky ????)()]()。 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 )()(])[(][)1(][][)(krkggkugky???????????????如果 g[],φ []為未知，則通過在線訓(xùn)練神經(jīng)網(wǎng)絡(luò)辨識器，使其逐漸逼近被控對象，由辨識器的函數(shù)代替這兩個函數(shù)，則控制器的輸出為： 式中， Ng[], Nφ []分別為組成辨識器的非線性動態(tài)神經(jīng)網(wǎng)絡(luò) ][)1(][][)(????????? NkrNNgku 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 （ 3）神經(jīng)網(wǎng)絡(luò)辨識器 為使問題簡化，考慮如下一階被控對象： 網(wǎng)絡(luò)辨識器由兩個三層非線性 DTNN實現(xiàn)，網(wǎng)絡(luò)輸入 {y(k1),u(k1)},輸出為： 式中 W,V為權(quán)系數(shù)。1(,),([)1(kumkukunkykymkukunkykygky????????????????式中， u,y分別為對象的輸入、輸出。 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 Gc y(k) 系統(tǒng) u(k1) r(k) 被控對象為： )()]1(,),()。另外，這種控制由于是開環(huán)控制，因此在實際工業(yè)生產(chǎn)應(yīng)用的很少 (2)神經(jīng)網(wǎng)絡(luò)自校正控制結(jié)構(gòu) 由兩個回路組成：自校正控制器與被控對象構(gòu)成的反饋回路，神經(jīng)網(wǎng)絡(luò)辨識器與控制器設(shè)計，以得到控制器的參數(shù)。 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 （ 1）神經(jīng)網(wǎng)絡(luò)直接自校正控制 此種控制結(jié)構(gòu)要求對象可逆，其中 ANNI和ANNC結(jié)構(gòu)相同。 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 p=,極點為 ，均在 Z平面單位圓內(nèi)，因此 P(z)是穩(wěn)定的且具有一階時延的系統(tǒng) （ 2）系統(tǒng)逆模型，由于其極點在 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問題： （ 1）神經(jīng)控制的設(shè)計問題 （ 2）神經(jīng)控制的集中結(jié)構(gòu)及設(shè)計 （ 3）再勵學(xué)習(xí)原理，再勵學(xué)習(xí)與神經(jīng)控制。 2，輸入 m維，輸出 p維，狀態(tài) n維。 3，對所有 u(k)而言， y(k)是一致有界的，即系統(tǒng)穩(wěn)定。(,),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 SISO系統(tǒng)而言，假設(shè)： 1，模型結(jié)構(gòu)已知，而 n m 已知。全知權(quán)值依據(jù) δ 學(xué)習(xí)規(guī)則調(diào)整。 )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 Z1組成。 khkWkhkzkkWkW spTsp???? ?????????)()()()()()(kvkykzkskhkh2))(
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1