matlab神经网络.ppt

多种结构神经网络控制2神经网络控制的多种结构神经直接自校正控制神经控制器NNC与对象串联,实现P的逆模型?P?1,且能在线调整。输出y跟踪输入r的精度,取决于逆模型的精度。不足:开环控制结构,不能有效的抑制扰动。神经直接自校正控制ru- y)?(1?PN N C)对象)?(1?PNNiI3神经网络控制的多种结构 y神经自校正控制框图uNNI对象自校正控制器 r控制器设计神经间接自校正控制由神经辨识器NNI在线估计对象参数,用调节器(或控制器)实现参数的自动整定相结合的自适应控制。4神经网络控制的多种结构神经PID控制框图PID控制器e- yuy?-r2e1e-NI神经PID控制由辨识器NNI在线辨识对象,对控制器NNC的权系进行实时调整,使系统具有自适应性,从而达到控制目的。5神经网络控制的多种结构神经直接模型参考自适应控制构造一个参考模型,使其输出为期望输出,控制的目的是使y跟踪yM。r yMy u神经直接模型参考自适应控制 r--参考模型对象 NNC6神经网络控制的多种结构-1e-y?2eMyry- u参考模型对象 NNI NNC神经间接模型参考自适应控制神经间接模型参考自适应控制构造一个参考模型,使其输出为期望输出,控制的目的,是使y跟踪yM。对象特性非线性、不确定、不确知时采用。7神经网络控制的多种结构神经内模控制具有结构简单、性能良好的优点。r eg1e内模控制器)(zD内部模型)(?zP y u???y?_对象)(zP滤波器)(zF神经内模控制8神经网络控制的多种结构PID神经网络单变量控制 PID神经网络控制器NNC与单变量对象一起作为广义网络,不需辨识复杂的非线性被控对象,可对其实现有效的控制。'xruqxNNCWWDIPy?vRPPID神经网络单变量控制结构9神经网络控制的多种结构PID神经网络多变量控制PID神经网络控制器NNC与多变量对象一起作为广义网络,不需辨识复杂的非线性被控对象,可对其实现有效的控制。nu1u?1v?nvNNC1rny1yPqxR'xw2nw111wnr??????PID神经网络多变量控制结构10神经网络控制的多种结构CMAC直接逆运动控制CMAC用于逆运动控制例——机械手控制问题。机械手x???x末端位置理想轨迹CMAC末端位置实际轨迹)(?1x??f?CMAC直接逆运动控制