神经网络讲义第四章精.ppt

《神经网络讲义第四章精.ppt》由会员分享，可在线阅读，更多相关《神经网络讲义第四章精.ppt（52页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、神经网络讲义第四章第1页，本讲稿共52页引言引言vNN在控制器设计中的几条路v存在的几个问题v本章简介第2页，本讲稿共52页v与已有控制结构的结合，如：NN自适应控制（NN MRAC、NN STR：直接、间接）、NN-PID、NN-IMC（PC）v与已有控制方法的结合，如：NN-Fuzzy控制、NN-expert控制vNN特有的控制器设计方法，如：监督学习控制（SNC）、评价学习控制器（ACE）、无模型的控制器设计方法（单个元的或网络的，即按误差调整的）第3页，本讲稿共52页v缺乏一种专门适用于控制的动态神经网络（目前方法：静处理动，不可避免的带来差分方程定阶问题）v稳定性、鲁棒型分析困难第4

2、页，本讲稿共52页v学习控制（监督）vNN自适应（MRAC和STR）vNN-PIDvNN-无模型控制vNN-Fuzzy（思想）v有关稳定性的一些成果第5页，本讲稿共52页监督学习NN控制器v问题的提出vSNC设计：控制系统结构 思路 实例第6页，本讲稿共52页当对象动力学特性未知时系统可控，人的知识如何传递给控制装置？解决思路解决思路：v利用专家控制、规则控制v采用监督（导师）NN控制（SNC）第7页，本讲稿共52页v弄清人在控制过程中利用了过程或人本身的何种信息v构造NNC 考虑问题：何种网络、结构（层数）参数、训练方法（实时性、收敛性）vSNC的训练过程 在人进行控制时，将控制信号及过程收

3、集起来以此为数据 训练可以是离线的也可以是在线的，即人一边控制NNC一边学习 训练结束后，网络实现了以参考信号及以往控制轴上y为网络输入，当前控制u为网络输出的I/O映射，即可实现正确控制 第8页，本讲稿共52页小车倒立摆系统的控制v数学model：令 为小车位置、速度、杆角度、角速度 第9页，本讲稿共52页NN控制器为四层BP网4-16-4-1结构，S型作用参数训练用数据：输出 输出值 控制区间仿真时用：导师为线性或非线性的控制律 取M=1kg，m=0.1kg，f=5.1kg/s，g=9.81m/第10页，本讲稿共52页线性控制为状态反馈：训练20000次后NN可实现线性律 K=11.01，

4、19.68，96.49，35.57非线性：80000次 反馈线性化及解数据格人控制：40000次 训练结束后，HSNC比 人本身操作更好 训练后，SNC还可继续在线学习以 适应新的扰动、取得新的控制策略样本、增强对系统的全面了解。第11页，本讲稿共52页问题及思路v问题：控制不成功，SNC为何v思路：引入评价学习的NNC，由ASE加上ACE构成第12页，本讲稿共52页NN-MRACvMRAC的思路vNN MRAC 1）NN控制器 2）控制框图 3）例第13页，本讲稿共52页一般控制系统可包含前馈和反馈控制器两种（前馈：由期望输出产生控制信号，反馈：由期望与实际之差产生控制信号）vMRAC思路是

5、给定期望响应的动态模型，利用期望与实际输出之差去改变调节器参数，使对象+控制器形成的闭环系统对给定信号的响应与参考模型一致。当给定模型稳定时，闭环系统稳定并改善了动态响应。调节机构设计：可利用Lyapunov或Popov方法以保证闭环的稳定第14页，本讲稿共52页NN控制器v辨识+再现控制器设计（淡化学习），间接控制v误差直接改变控制器参数（特定学习），直接控制 淡化学习+自适应 NN MRAC第15页，本讲稿共52页NNI-辨别器 NNC-控制器 NNI-对象辨识，目的、预报对象输出v做法：v准则：NNC-使 为小数 准则：控制周期 辨别周期 按常规自适应方法选取 第16页，本讲稿共52页v

6、系统 NNI:BP网 2-20-10-1结构 NNC:此时 满足 第17页，本讲稿共52页神经网络自校正控制vSTR基本思想v对象描述v一阶系统的一个实例第18页，本讲稿共52页基本思想v如果系统环境和模型的参数已知，则可采用适当方法获得某种意义下的最优控制器；若系统参数未知，则可用在线参数估计值来代替真实值（确定性等效原则）设计控制器，实现在线监控。第19页，本讲稿共52页对象描述vSISO可反馈线性化的系统设 逆存在，、已知在 未知时，用 逼近第20页，本讲稿共52页v例 引入NN NN的一步预板模型为：取：则控制器为：第21页，本讲稿共52页v 调整准则令 ，系统第22页，本讲稿共52页

7、v权系数修正公式第23页，本讲稿共52页v设隐层为 或 ，或 则 第24页，本讲稿共52页v仿真例：一个元，1-10-10-1结构 初值 逐渐减小 初始振荡，9000步以后 2500步后仍有轻微振荡第25页，本讲稿共52页NN直接自适应控制v基本概念v一种NN直接STC方案1.描述2.问题3.训练方案4.特点v基于单个自适应神经元的控制第26页，本讲稿共52页基本概念v直接自适应控制即直接根据对象的知识来调整控制器的内部参数，使得对象的输出误差尽量小 间接：辨识模型 直接：不辨识 两种方案：1.基于MRAC 2.基于STC第27页，本讲稿共52页v 只要 维持足够高，可描述任意非线性系统 设：

8、NN为BP网络 训练规则：为期望的对象输出 时对应的输入第28页，本讲稿共52页v问题希望 ，此时 应确知，但P未知，而为训练NNC，又该知v解决思路：将NNC与P看成一体，NN的最后一层（或几层）固定不变，用来描述对象，训练指标相应修改成 Q为加权阵，Q0 选择 使 第29页，本讲稿共52页梯度法v设控制器参数 空间 计算 时，当 为网络最后一层（描述对象的）时，用下法 为对象的Jacobian阵,未知第30页，本讲稿共52页v将 ，对于网络最后一层最后可得其它各层仍按标准BP算法修正第31页，本讲稿共52页v无特定学习阶段，即没有依赖于辨识，直接控制效果设计控制器v控制参数调整为依赖时间的

9、自适应过程 例：小车倒立摆控制（动力学方程同前）Rouge-kutta法求解，步长0.001秒 未时，失败 该系统NMP系统 4层BP 4-4-4-1结构，初始条件，随机 2040次后，可使平衡标度15分钟第32页，本讲稿共52页v单个自适应神经元描述v系统结构 对r为定值系统v学习方法vP为线性系统时稳定性分析第33页，本讲稿共52页v督促学习第34页，本讲稿共52页v监督与Hebb之组合 a.b.增加小误差时 的敏感性 第35页，本讲稿共52页v思想 第36页，本讲稿共52页v设 控制器等效为：将 第37页，本讲稿共52页v即：vRoche定理 若在复平面环路上有 在此环路上有相同数目的零

10、点第38页，本讲稿共52页v设v在 第39页，本讲稿共52页NN PIDv 直接NN PID1.常规NN PID 2.NN PIDv 间接NN PID1.结构2.学习3.算法流程第40页，本讲稿共52页第41页，本讲稿共52页NN PIDv采用BP网络 3-6-1结构 输入 学习方法，标准BP算法 问题：要使网络之期望值不知 先用 代替 输出层：第42页，本讲稿共52页v隐层：v讨论：1）本法不一定能保证系统稳定性与收敛性 2）实时控制时，用到 计算慢第43页，本讲稿共52页两个NN：NNC PID；NNI 辨识器vNNI：设 3层BP网 第44页，本讲稿共52页vNNC第45页，本讲稿共52

11、页v学习第46页，本讲稿共52页算法流程1.（-0.1，0.1）随机值初始化NNC，NNI2.计算3.计算NN PID之4.修正NNI权值5.修正NNC权值6.1+t t，到2第47页，本讲稿共52页NN-Fuzzy控制vFuzzy控制的基本思想做法v间接NN PIDv一个实例第48页，本讲稿共52页v基于人的经验，依据 进行表格化处理，控制规则为：if A then B形式，分为大、小、快、慢等，规则为：if and then A选作E，B选作EC（变化率）一般分成210档，通常取7档8档，NL，NM NS，NO PO PS PM PL具体计算时按隶属关系集，由具体数值 得到属于何种状态，控

12、制变量也如此处理第49页，本讲稿共52页美国Kosko教授为权威的几种做法vNN模拟Fuzzy系统中的各个模块，为Fuzzy化、推理、决策等vNN中引入Fuzzy逻辑，使之具有直接处理Fuzzy信息的能力 例：NN的加权求和变成“并”与“交”等形 式的Fuzzy逻辑运算，称为模糊神 经元第50页，本讲稿共52页由两个NN组成vNNC：PID控制器 单层网络：vNNI：3层网络 输入：输出：隐层：第51页，本讲稿共52页小车倒立摆问题v 和 为观测量；为控制量；为垂线右边，反之为 ；方向向右，反之为 ；的作用为抵消 为精确变量时，则 为精确数值 为模糊变量时，为语言值NB：negative Big，NM：negative middleNS：negative small ZE-zeroPS：positive small，PM：positive middlePB：positive big 隶属函数范围，交叠范围为25%左右为益第52页，本讲稿共52页