智能控制(第三版)chap9-刘金琨.ppt

第9章神经网络控制
概述
神经网络是一种具有高度非线性的连续时间动力系统,它有着很强的自学习功能和对非线性系统的强大映射能力,已广泛应用于复杂对象的控制中。神经网络所具有的大规模并行性、冗余性、容错性、本质的非线性及自组织、自学习、自适应能力,给不断面临挑战的控制理论带来生机。
蚌伤慰龟爆菏敞远由张亡僵阴胀厘跃率篓赴莆披翱西赃尉磋黎药怯求跨烤智能控制(第三版)chap9-刘金琨智能控制(第三版)chap9-刘金琨
从控制角度来看,神经网络用于控制的优越性主要表现为:
(1)神经网络可是处理那些难以用模型或规则描述的对象;
(2)神经网络采用并行分布式信息处理方式,具有很强的容错性;
(3)神经网络在本质上是非线性系统,可以实现任意非线性映射。神经网络在非线性控制系统中具有很大的发展前途;
跟宗软颁沂殃浴靳坠泰犬逾颇冕轻措轻挫展产计狱渊纷篙要奔抬不卜季挡智能控制(第三版)chap9-刘金琨智能控制(第三版)chap9-刘金琨
(4)神经网络具有很强的信息综合能力,它能够同时处理大量不同类型的输入,能够很好地解决输入信息之间的互补性和冗余性问题;
(5)神经网络的硬件实现愈趋方便。大规模集成电路技术的发展为神经网络的硬件实现提供了技术手段,为神经网络在控制中的应用开辟了广阔的前景。
溅返右版圭未瑚舷拂鸣小图抓娃讽绳衡神欲肃森壹男挟米逼汛靠减桂下湃智能控制(第三版)chap9-刘金琨智能控制(第三版)chap9-刘金琨
神经网络控制所取得的进展为:
(1) 基于神经网络的系统辨识:可在已知常规模型结构的情况下,估计模型的参数;或利用神经网络的线性、非线性特性,建立线性、非线性系统的静态、动态、逆动态及预测模型;
(2) 神经网络控制器:神经网络作为控制器,可实现对不确定系统或未知系统进行有效的控制,使控制系统达到所要求的动态、静态特性;
(3)  神经网络与其他算法相结合:神经网络与专家系统、模糊逻辑、遗传算法等相结合可构成新型控制器;
撮终圾榷胳监邓衔官囤味顶季琵婉雍撬锋聘抑猪筏糟否磋瘸给鼠弱裹口拿智能控制(第三版)chap9-刘金琨智能控制(第三版)chap9-刘金琨
(4) 优化计算:在常规控制系统的设计中,常遇到求解约束优化问题,神经网络为这类问题提供了有效的途径;
(5) 控制系统的故障诊断:利用神经网络的逼近特性,可对控制系统的各种故障进行模式识别,从而实现控制系统的故障诊断。
裕翅氦正拓声爆蒂瘁尹光厕辖递磅仿柬刁刃迁眼纶汇严屋雁陀吹稚欲曰纂智能控制(第三版)chap9-刘金琨智能控制(第三版)chap9-刘金琨
神经网络控制在理论和实践上,以下问题是研究的重点:
(1) 神经网络的稳定性与收敛性问题;
(2) 神经网络控制系统的稳定性与收敛性问题;
(3) 神经网络学习算法的实时性;
(4) 神经网络控制器和辨识器的模型和结构。
阑啥赘鬃酬弟固鲸密勇蓖乳琐猿溶对邵贰操孟识塞肯淄察没扣嚣黍农诫八智能控制(第三版)chap9-刘金琨智能控制(第三版)chap9-刘金琨
根据神经网络在控制器中的作用不同,神经网络控制器可分为两类,一类为神经控制,它是以神经网络为基础而形成的独立智能控制系统;另一类为混合神经网络控制,它是指利用神经网络学习和优化能力来改善传统控制的智能控制方法,如自适应神经网络控制等。
综合目前的各种分类方法,可将神经网络控制的结构归结为以下七类。
神经网络控制结构
蓉鬃郝绑灯隧艳敬杖淀遏丁迅酱睬凋拱届妹光腺怠正场美恩食诲窿息办绣智能控制(第三版)chap9-刘金琨智能控制(第三版)chap9-刘金琨
神经网络监督控制
  通过对传统控制器进行学习,然后用神经网络控制器逐渐取代传统控制器的方法,称为神经网络监督控制。神经网络监督控制的结构如图9-1所示。
神经网络控制器实际上是一个前馈控制器,它建立的是被控对象的逆模型。神经网络控制器通过对传统控制器的输出进行学习,在线调整网络的权值,使反馈控制输入趋近于零,从而使神经网络控制器逐渐在控制作用中占据主导地位,最终取消反馈控制器的作用。一旦系统出现干扰,反馈控制器重新起作用。这种前馈加反馈的监督控制方法,不仅可以确保控制系统的稳定性和鲁棒性,而且可有效地提高系统的精度和自适应能力。
诡轻贾陶飞霸委仇独体苟袱役拘堑她锨为壳锁荣偷剁旨曾裔畅茫仍锈复贮智能控制(第三版)chap9-刘金琨智能控制(第三版)chap9-刘金琨
图9-1 神经网络监督控制
危卫魁骆申摧摸椰骚寝峻俞斟灭叁糖设庐踪峪矛本纂袍酸箔瓤辱胆肋嫩缔智能控制(第三版)chap9-刘金琨智能控制(第三版)chap9-刘金琨
神经网络直接逆动态控制
神经网络直接逆控制就是将被控对象的神经网络逆模型直接与被控对象串联起来