1、1智能控制導論國家精品課程配套教材蔡自興 2智能控制教學課件第5章 神經控制5.1 人工神經網絡的初步知識5.2 神經控制的結構方案5.3 神經控制器的設計5.4 小結智能系統與智能軟件研究所35.1 人工神經網絡的初步知識5.1.1 神經元及其特性神經元模型連接機制結構的基本處理單元與神經生理學類比往往稱為神經元每個構造起網絡的神經元模型模擬一個生物神經元 1()njjiijiytfw x( )f -11x1 jw2x2jwnxjnwjy中間狀態由輸入信號的權和表示神經元單元由多個輸入45.1.2 神經網絡與智能控制神經網絡特性 并行分布處理非線性映射 通過訓練進行學習 適應與集成 硬件實現

2、 神經網絡用于智能控制系統的潛力神經網絡因其學習和適應、自組織函數逼近和大規模并行處理等能力5.1 人工神經網絡初步知識55.1.3 人工神經網絡的基本類型和學習算法人工神經網絡的基本特性和結構人工神經網絡由神經元模型構成具有并行分布結構每個神經元具有單一輸出，能夠與其它神經元連接 存在許多輸出連接方法，每種對應一個連接權系數人工神經網絡是一種具有下列特性的有向圖對于每個節點i存在一個狀態變量xi從節點j至節點i，存在一個連接權系統數wij對于每個節點i，存在一個閾值i 對于每個節點i，定義一個變換函數 對于最一般的情況，此函數取 形式( ,),iijiif x wij()iijjijfw x

3、5.1 人工神經網絡初步知識6人工神經網絡基本分為兩類即遞歸（反饋）網絡前饋網絡 v1v2vn輸入 輸出輸入層隱層輸出層反向傳播3x2x1x3x2x1x11w1x2x3xny1y1mw遞歸網絡前饋網絡5.1.3 人工神經網絡的基本類型和學習算法5.1 人工神經網絡初步知識7人工神經網絡的主要學習算法 有師學習 有師學習算法能夠根據期望的和實際的網絡輸出（對應于給定輸入）間的差來調整神經元間連接的強度或權。無師學習 無師學習算法不需要知道期望輸出。強化學習強化學習算法采用一個“評論員”來評價與給定輸入相對應的神經網絡輸出的優度（質量因數）5.1.3 人工神經網絡的基本類型和學習算法5.1 人工神

4、經網絡初步知識85.1.4 人工神經網絡的典型模型自適應諧振理論（ART）雙向聯想存儲器（BAM）Boltzmann機（BM）反向傳播（BP）網絡對流傳播網絡(CPN)Hopfield網Madaline算法認知機（Neocognition）感知器（Perception）自組織映射網（SOM）5.1 人工神經網絡初步知識95.1.5 基于神經網絡的知識表示和推理基于神經網絡的知識表示傳統的人工智能系統中所用的是知識的顯示表示,而神經網絡中的知識表示是一種隱式表示.隱式表示,知識并不像在生產式系統中那樣獨立地表示,而是將某一問題的若干知識在同一網絡表示基于神經網絡的推理 基于神經網絡的推理是通過網

5、絡計算實現的.把用戶提供的初始證據用作網絡的輸入,通過網絡計算最終得到輸出結果5.1 人工神經網絡初步知識105.2 神經控制的結構方案5.2.1 NN學習控制基于神經網絡的監督式控制實現NN監督式控制的步驟通過傳感器和傳感信息處理，調用必要的和有用的控制信息構造神經網絡，選擇NN類型、結構參數和學習算法等訓練NN控制器，實現輸入和輸出間的映射，以便進行控制 NNC 受控對象 監督程序 r(t)+-e(t)u(t)+-選擇器y(t)115.2.2 NN直接逆模控制原理與特點這種控制采用受控系統的一個逆模型，它與受控系統串接以便使系統在期望響應（網絡輸入）與受控系統輸出間得到一個相同的映射由于不

6、存在反饋，本法魯棒性不足；逆模型參數可通過在線學習調整，以期把受控系統的魯棒性提高至一定程度NN直接逆控制的兩種結構方案 NN1 R(t) NN2e(t)u(t)+-y(t)對象 NN EF r(t)e(t)u(t) y(t)對象5.2 神經控制的結構方案125.2.2 NN內模控制基于NN的內模控制的結構圖示于下圖其中，系統模型（NN2）與實際系統并行設置反饋信號由系統輸出與模型輸出間的差得到由NN1（在正向控制通道上一個具有逆模型的NN控制器）進行處理；NN1控制器應當與系統的逆有關濾波器 NN1 裝置 NN2 r(t)e(t)u(t)ym(t)d+-5.2 神經控制的結構方案135.2.

7、3 NN自適應控制NN自校正控制（STC）直接自校正控制、間接自校正控制NN參考自適應控制（MRAC）NN直接參考自適應控制、NN間接參考自適應控制g常規控制器 裝置 NN辨識器r(t)e(t)u(t)y(t)df NNC 參考模型 裝置 r(t)e(t)u(t)ec(t)ym(t)y(t)d+-+-NN直接參考自適應控制間接自校正控制5.2 神經控制的結構方案145.3 神經控制器的設計神經控制器的設計一般應過以下內容建立受控對象的數學計算模型或知識表示模型選擇神經網絡及其算法,進行初步辨識與訓練設計神經控制器,包括控制器結構、功能與推理控制系統仿鎮實驗，并通過實驗結果改進設計第5章 神經控制155.3 神經控制器的設計控制器結構和工作原理FCFIENNC對象對象+-eufu+unufyr 5.3 神經控制器的設計第5章 神經控制16神經控制器及訓練輸入層 輸出層中間層5.3 神經控制器的設計第5章 神經控制圖 5.14 NNC 模型結構175