智能控制第5章 神经网络在控制中的应用.ppt

《智能控制第5章 神经网络在控制中的应用.ppt》由会员分享，可在线阅读，更多相关《智能控制第5章 神经网络在控制中的应用.ppt（32页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第第5章章 神经网络在控制中的应用神经网络在控制中的应用 神经网络在控制中的应用神经网络在控制中的应用 2v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辨识技术神经网络控制技术神经网络控制技术神经网络在控制中的应用神经网络在控制中的应用 35.1 神经网络系统辨识神经网络系统辨识系统辨识是自适应控制的关键所在，它通过测量对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。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

2、能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。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。网络模型来逼近实际系统的数学模型。神经网络在控制中的应用神经网络在控制中的应用 45.1 神经网络神经网络系统系统辨识辨识5.1.1 神经网络系统辨识的原理神经网络系统辨识的原理 系统辨识的原系统辨识的原理就是通过调理就是通过调整辨识模型的整辨识模型的结构来使结构来使e最小。最小。在在神神经经网网

3、络络系系统统辨辨识识中中，神神经经网网络络用用作作辨辨识识模模型型，将将对对象象的的输输入入输输出出状状态态u，y看看作作神神经经网网络络的的训训练练样样本本数数据据，以以J=e2/2作作为为网网络络训训练练的的目目标标，则则通通过过用用一一定定的的训训练练算算法法来来训训练练网网络络，使使J足足够够小小，就就可可以以达达到辨识对象模型的目的。到辨识对象模型的目的。神经网络在控制中的应用神经网络在控制中的应用 55.1 神经网络系统辨识神经网络系统辨识5.1.2多层前向多层前向BP网络网络的系统辨识的系统辨识 假设非线性对象的数学模型可以表示为：假设非线性对象的数学模型可以表示为：其中其中f(

4、)是描述系统特征的未知非线性函数，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网络来逼近非线性函数，进而估计对象的模型。神经网络在控制中的应用神经网络在控制中的应用 65.1 神经网络系统辨识神经网络系统辨识多层前向多层前向BP网络系统辨识原理图网络系统辨识原理图 神经网络在控制中的应用神经网络在控制中的应用 75.1 神经网络系统辨识神经网络系统辨识网络的输出可以通过下式计算得到：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表示隐层神经元的激发函数 Wij

5、(1),Wj(2)分别表示网络第分别表示网络第1-2层和层和2-3层的连接权值层的连接权值 神经网络在控制中的应用神经网络在控制中的应用 85.1 神经网络系统辨识神经网络系统辨识定义网络训练的目标函数为：定义网络训练的目标函数为：则网络训练的则网络训练的BP算法可以描述为：算法可以描述为：神经网络在控制中的应用神经网络在控制中的应用 95.1 神经网络系统辨识神经网络系统辨识5.1.3 递归神经网络系统辨识递归神经网络系统辨识递归神经网络结构递归神经网络结构 神经网络在控制中的应用神经网络在控制中的应用 105.1 神经网络系统辨识神经网络系统辨识递归神经网络的输入输出关系可以描述为：递归神

6、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表示隐层神经元的激发函数 Wij(1),Wjk(2)分别表示网络第分别表示网络第1-2层和层和2-3层层的连接权值的连接权值 Wi(0)表示表示网络第一层的递归权值网络第一层的递归权值 神经网络在控制中的应用神经网络在控制中的应用 115.1 神经网络系统辨识神经网络系统辨识由由于于递递归归神神经经网网络络本本身身具具有有动动态态反反馈馈环环，可可以以记记录录以以前前的的状状态态，因因此此用用递递归归神神经经网网络络来来对对非非线线性性对对象象进进行行辨辨识识时时只只需需以以对对象象当当前前的的输输入入状状态态u(t)和和前前一一

7、时时刻刻的的输输出出状状态态y(t-1)作作为为网网络络的的输输入入即即可可，与与前前向向多层神经网络相比，网络的多层神经网络相比，网络的结构较为简单。结构较为简单。神经网络在控制中的应用神经网络在控制中的应用 125.1 神经网络系统辨识神经网络系统辨识神经网络在控制中的应用神经网络在控制中的应用 135.2 神经网络控制神经网络控制 神经网络在控制中主要起以下作用：神经网络在控制中主要起以下作用：(1)在在基于精确模型的各种控制结构中充当对象的模型；基于精确模型的各种控制结构中充当对象的模型；(2)在反馈控制系统中直接充当控制器的作用；在反馈控制系统中直接充当控制器的作用；(3)在传统控制

8、系统中起优化计算作用；在传统控制系统中起优化计算作用；(4)在与在与其它智能控制方法和优化算法相融合中其它智能控制方法和优化算法相融合中,为其提为其提 供对象模型、优化参数、推理模型及故障诊断等。供对象模型、优化参数、推理模型及故障诊断等。神经网络在控制中的应用神经网络在控制中的应用 145.2 神经网络控制神经网络控制5.2.1 神经网络直接反馈控制系统神经网络直接反馈控制系统神经网络直接用作误差闭环系统的反馈控制器，神经网神经网络直接用作误差闭环系统的反馈控制器，神经网络控制器首先利用其它已有的控制样本进行离线训练，络控制器首先利用其它已有的控制样本进行离线训练，而后以系统的误差的均方差为

9、评价函数进行在线学习。而后以系统的误差的均方差为评价函数进行在线学习。神经网络在控制中的应用神经网络在控制中的应用 155.2 神经网络控制神经网络控制5.2.2 神经网络逆控制神经网络逆控制(neural network inverse control)神经网络在控制中的应用神经网络在控制中的应用 165.2 神经网络控制神经网络控制自适应逆控制的基本思想就是用被控对象传递函数自适应逆控制的基本思想就是用被控对象传递函数的逆模型作为串联控制器对控制对象实施开环控制。的逆模型作为串联控制器对控制对象实施开环控制。神经网络先离线学习被控对象的逆动力学模型，然神经网络先离线学习被控对象的逆动力学模

10、型，然后用作对象的前馈串联控制器。由于开环控制缺乏后用作对象的前馈串联控制器。由于开环控制缺乏稳定性，所以神经网络还需要根据系统的反馈误差稳定性，所以神经网络还需要根据系统的反馈误差在线继续学习逆动力学模型。在线继续学习逆动力学模型。神经网络在控制中的应用神经网络在控制中的应用 175.2 神经网络控制神经网络控制5.2.3 神经网络内模控制神经网络内模控制(neural network inner mode control)1)当模型精确时，对象和控制器同时稳定就意味闭当模型精确时，对象和控制器同时稳定就意味闭 环系统稳定；环系统稳定；2)当闭环系统稳定时，若控制器取为模型逆，则不当闭环系统

11、稳定时，若控制器取为模型逆，则不 论有无外界干扰论有无外界干扰d，均可实现理想控制，均可实现理想控制y=r；3)当闭环系统稳定时，只要控制器和模型的稳态增当闭环系统稳定时，只要控制器和模型的稳态增 益乘积为益乘积为1，则系统对于阶跃输入及阶跃干扰均不，则系统对于阶跃输入及阶跃干扰均不 存在输出静差。存在输出静差。神经网络在控制中的应用神经网络在控制中的应用 185.2 神经网络控制神经网络控制将对象模型与实际对象相并联，控制器逼近模型的动将对象模型与实际对象相并联，控制器逼近模型的动态逆态逆。一般有两种方法：一般有两种方法：1)两个神经网络分别逼近模型和模型的逆；两个神经网络分别逼近模型和模型

12、的逆；2)采用采用神经网络逼近模型，然后用非线性优化方法神经网络逼近模型，然后用非线性优化方法数值计算内模控制量。数值计算内模控制量。神经网络在控制中的应用神经网络在控制中的应用 195.2 神经网络控制神经网络控制5.2.4 神经网络自适应控制神经网络自适应控制(neural network adaptive control)(1)神经网络模型参考自适应控制神经网络模型参考自适应控制(neural network model reference adaptive control)模模型型参参考考自自适适应应控控制制的的目目的的是是：系系统统在在相相同同输输入入激激励励r的的作作用用下下，使使

13、被被控控对对象象的的输输出出y与与参参考考模模型型的的输输出出ym达达到到一一致致。这这样样通通过过调调整整参参考考模模型型，可可以以调调整整系统的动态特性系统的动态特性。神经网络在控制中的应用神经网络在控制中的应用 205.2 神经网络控制神经网络控制神经网络神经网络控制器控制器(NNC)先离线学习被控对象的逆动先离线学习被控对象的逆动力学模型，与被控对象构成开环串联力学模型，与被控对象构成开环串联控制，然后神控制，然后神经网络根据参考模型输出与被控对象输出的误差函经网络根据参考模型输出与被控对象输出的误差函数进行在线训练，使误差函数最小。数进行在线训练，使误差函数最小。神经网络模型参考直接

14、自适应控制神经网络模型参考直接自适应控制 神经网络在控制中的应用神经网络在控制中的应用 215.2 神经网络控制神经网络控制神经网络模型参考间接自适应控制神经网络模型参考间接自适应控制 在在直直接接自自适适应应控控制制的的基基础础上上，引引入入了了一一个个神神经经网网络络辨辨识识器器（NNI）来来对对被被控控对对象象的的数数学学模模型型进进行行在在线线辨辨识识，这这样样可可以以及及时时地地将将对对象象模模型型的的变变化化传传递递给给NNC，使使NNC可以得到可以得到及时有效的训练。及时有效的训练。神经网络在控制中的应用神经网络在控制中的应用 225.2 神经网络控制神经网络控制(2)神经网络自

15、校正控制神经网络自校正控制(neural network self-turning control)自校正调节器的目的是在控制系统参数变化的情况下，自校正调节器的目的是在控制系统参数变化的情况下，自动调整控制器参数，消除扰动的影响，以保证系统自动调整控制器参数，消除扰动的影响，以保证系统的的性能指标。在这种控制方式中，神经网络性能指标。在这种控制方式中，神经网络(NN)用作用作过程参数或某些非线性函数过程参数或某些非线性函数的在线估计器。的在线估计器。神经网络在控制中的应用神经网络在控制中的应用 235.2 神经网络控制神经网络控制假设被控对象的假设被控对象的模型为模型为yk+1f(yk)+g

16、(yk)uk 则用神经网络对非线性函数则用神经网络对非线性函数f(yk)和和g(yk)进行辨识，进行辨识，假设其在线计算估计值假设其在线计算估计值fd(yk)和和gd(yk)，则调节器的，则调节器的自适应控制律为自适应控制律为uk=(yd-fd(yk)/gd(yk)此时系统的传递函数为此时系统的传递函数为1神经网络在控制中的应用神经网络在控制中的应用 245.2 神经网络控制神经网络控制5.2.5 神经网络学习控制神经网络学习控制(neural network learning control)神经网络在控制中的应用神经网络在控制中的应用 255.2 神经网络控制神经网络控制神神经经网网络络学

17、学习习控控制制系系统统将将神神经经网网络络与与常常规规误误差差反反馈馈控控制制结结合合起起来来，首首先先用用NN学学习习对对象象的的逆逆动动力力学学模模型型，然然后后用用NN作作为为前前馈馈控控制制器器与与误误差差反反馈馈控控制制器器构构成成复复合合控控制制器器来来控控制制对对象象。系系统统以以反反馈馈控控制制器器的的输输出出作作为为评评价价函函数数来来调调节节神神经经网网络络的的权权值值。这这样样，在在控控制制之之初初，反反馈馈控控制制器器的的作作用用较较强强，而而随随着着控控制制过过程程的的进进行行，NN得得到到越越来来越越多多的的学学习习，反反馈馈控控制制器器的的作作用用越越来来越越弱弱

18、，NN控制器的作用越来越强控制器的作用越来越强。神经网络在控制中的应用神经网络在控制中的应用 265.2 神经网络控制神经网络控制5.2.6 神经网络预测神经网络预测控制控制(neural network predictive control)先先用用神神经经网网络络预预测测模模型型，根根据据过过去去的的输输入入序序列列和和输输出出序序列列及及当当前前的的输输入入来来预预测测被被控控对对象象的的未未来来输输出出值值，再再利利用用控控制制算算法法在在线线校校正正和和优优化化被被控控对对象象的的动动态态行行为为，最最终终使使被控对象的输出跟踪期望轨迹稳定在设定值上。被控对象的输出跟踪期望轨迹稳定在

19、设定值上。神经网络在控制中的应用神经网络在控制中的应用 275.2 神经网络控制神经网络控制神经网络在控制中的应用神经网络在控制中的应用 285.2 神经网络控制神经网络控制5.2.7 神经网络神经网络PID控制控制(neural network PID control)神经网络在控制中的应用神经网络在控制中的应用 295.2 神经网络控制神经网络控制经典增量式数字经典增量式数字PID 的控制算法为：的控制算法为：NN 是是一一个个三三层层BP 网网络络,有有M个个输输入入节节点点、N 个个隐隐含含节节点点、3个个输输出出节节点点。输输入入节节点点对对应应所所选选的的系系统统运运行行状状态态量

20、量,输输出出节节点点分分别别对对应应PID 控控制制器器的的3个个可调参数可调参数kp,ki,kd。神经网络在控制中的应用神经网络在控制中的应用 305.2 神经网络控制神经网络控制网络根据网络根据性能指标性能指标J=(r-y)2/2进行在线学习，则可以进行在线学习，则可以及时更新及时更新PID控制器的参数，使系统误差控制器的参数，使系统误差在不确定在不确定严重的情况下保持最小。严重的情况下保持最小。神经网络在控制中的应用神经网络在控制中的应用 315.2 神经网络控制神经网络控制5.2.8 神经网络滑模神经网络滑模控制控制(neural network sliding mode contro

21、l)神神经经网网络络用用于于逼逼近近被被控控对对象象由由于于建建模模误误差差和和外外部部干干扰扰造造成成的的不不确确定定性性，而而后后将将神神经经网网络络的的逼逼近近误误差差看看作作一一个个有有界界的的不不确确定定性性，由由滑滑模模变变结结构构控控制制律律给给予予补偿和控制。补偿和控制。神经网络在控制中的应用神经网络在控制中的应用 325.2 神经网络控制神经网络控制5.2.9 神经网络鲁棒神经网络鲁棒控制控制(neural network robust control)利利用用神神经经网网络络来来实实时时逼逼近近系系统统的的不不确确定定，然然后后将将神神经经网网络络的的逼逼近近误误差差当当作作系系统统的的外外部部干干扰扰，由由鲁鲁棒棒控控制制器器来来消消除除，则则可可使使系系统统的的不不确确定定程程度度大大大大降降低低，从从而而使使鲁鲁棒棒控控制系统获得较好的暂态性能而无须获知不确定的上界制系统获得较好的暂态性能而无须获知不确定的上界。