第十三章神經(jīng)網(wǎng)絡(luò)建模與控制-閱讀頁(yè)
2024-11-13 13:55本頁(yè)面
【正文】 這里選的是并聯(lián)結(jié)構(gòu)。這里設(shè) y=（學(xué)習(xí)率） ,C=5（泛化常數(shù) )N=5，量化級(jí) 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(shí)示例 例 5 基于 PID網(wǎng)絡(luò)的非線性動(dòng)態(tài)系統(tǒng)辨識(shí) 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(hào)為： 辨識(shí)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(shí)示例 例 5 基于 PID網(wǎng)絡(luò)的非線性動(dòng)態(tài)系統(tǒng)辨識(shí) 辨識(shí)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(shí)結(jié)構(gòu)，如下圖所示： 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)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()。 2， u(k)， y(k)可測(cè)量。 對(duì)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。 在一般情況下多用傳 并聯(lián)辨識(shí)結(jié)構(gòu)，這種結(jié)構(gòu)下 ANNI更容易保證其穩(wěn)定性。 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(duì)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(duì)于該神經(jīng)控制的設(shè)計(jì)，就是神經(jīng)辨識(shí)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)(?????????? 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 (b)不確定、不確知系統(tǒng)的一般結(jié)構(gòu)（這里是單位反饋） 2)神經(jīng)自校正控制 神經(jīng)自校正控制包括直接型（直接逆動(dòng)態(tài)控制），間接型（就是常說的自校正控制）。學(xué)習(xí)算法也相同，輸出 y跟蹤輸入 r的精度取決于逆模型的精度。需要在線設(shè)計(jì)與實(shí)現(xiàn)。1(,),([)]1(,),()。 g[],φ []為非零函數(shù)，如果這兩個(gè)均已知，根據(jù)確定性等價(jià)原則，控制器的控制算法為： ][)1(][][)(?????????krgku此時(shí)，控制系統(tǒng)的輸出 y(k)能精確地跟蹤輸入 r(k)系統(tǒng)期望輸出。圖中 L表示線性節(jié)點(diǎn) f()=x。([)]()。 原理：由 ANNI在線辨識(shí)被控對(duì)象模型（正）的基礎(chǔ)上，在線調(diào)整 ANNC權(quán)系數(shù)，達(dá)到自適應(yīng)控制目的。(,),1([)( ??? ??????? kbumkukunkykygkyg[]未知，采用串 并聯(lián)結(jié)構(gòu)由 ANNI在線辨識(shí)。 BP網(wǎng)絡(luò)的輸入為： ）（ 2)]()(),([)](,),1()。1( ) (5 )1( ) ))? ( ) ( ) ( 1 ) ( 6 )( ) 1iuxxPiiiiwefxef x xy k w o k b u ko k w???????? ? ????至 第 個(gè) 隱 節(jié) 點(diǎn) 的 權(quán) 為非 線 性 作 用 函 數(shù)網(wǎng) 絡(luò) 的 輸 出 為 ( 設(shè) 輸 出 節(jié) 點(diǎn)其 中 ， 是 對(duì) 應(yīng) 的 閾 值設(shè)目標(biāo)函數(shù)為： )7()(21)](?)([21)( 2121 ????? kekykykE網(wǎng)絡(luò)權(quán)值調(diào)整算法為： )9()()]()][([)()()8()()()()()(211111112?????????????kIkwkxfkekwkokekwkEkwjiiijiii??? 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 + 自適應(yīng)線性神經(jīng)元模型為： ）（ 10)1()()()()()()(3021?????????????????kekekCkekCkekCkj其中每個(gè)適應(yīng)性神經(jīng)元的輸入為： W1 ∫e(t) W2 e(t) W3 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 + 自適應(yīng)線性神經(jīng)元模型為： )12()(21)](?)([21)()(11)()()()(2222332211??????????kekykrkEkcwkcwkcwku單位反饋形式設(shè)目標(biāo)函數(shù)為）（則 ANNC網(wǎng)絡(luò)權(quán)值調(diào)整算法為： )14()()()()11()13()()()()(?)()(2)(?2)()()(2)(222222??????????????????kckwkukwkukukykeykwkykeykwkEykwiiiiii式知由 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)控制 + 又由 (1)(6)可得： )15()]()]
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1