第5章 神经网络在控制中的应用.ppt

神经网络在控制中的应用
神经网络在控制中的应用
神经网络辨识技术
神经网络控制技术
神经网络辨识
系统辨识是自适应控制的关键所在,它通过测量对象的输入输出状态来估计对象的数学模型,使建立的数学模型和对象具有相同的输入输出特性。
神经网络对非线性函数具有任意逼近和自学习能力,为系统的辨识,尤其是非线性动态系统的辨识提供了一条十分有效的途径。
神经网络系统辨识实质上是选择一个适当的神经网络模型来逼近实际系统的数学模型。
神经网络辨识
神经网络系统辨识的原理
系统辨识的原理就是通过调整辨识模型的结构来使e最小。
在神经网络系统辨识中,神经网络用作辨识模型,将对象的输入输出状态u,y看作神经网络的训练样本数据,以J=1/2e2作为网络训练的目标,则通过用一定的训练算法来训练网络,使J足够小,就可以达到辨识对象模型的目的。
神经网络辨识

假设非线性对象的数学模型可以表示为:
其中f是描述系统特征的未知非线性函数,m,n分别为输入输出的阶次。则可以利用多层前向BP网络来逼近非线性函数,进而估计对象的模型。
神经网络辨识
多层前向BP网络系统辨识原理图
神经网络辨识
网络的输出可以通过下式计算得到:
H(*)表示隐层神经元的激发函数
Wij(1),Wj(2)分别表示网络第1-2层和2-3层的连接权值
神经网络辨识
定义网络训练的目标函数为:
则网络训练的BP算法可以描述为:
神经网络辨识
. 递归神经网络系统辨识
递归神经网络结构
神经网络辨识
递归神经网络的输入输出关系可以描述为:
H(*)表示隐层神经元的激发函数
Wij(1),Wjk(2)分别表示网络第1-2层和2-3层的连接权值
Wi(0)表示网络第一层的递归权值