一类自适应神经网络控制的研究和设计.pdfVIP

一类自适应神经网络控制的研究和设计.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一类自适应神经网络控制的研究与设计 秦林 沫原理工大学袁面工程研究所。太原,030024) }囊要: 本文研究了一类自适应神经元同络控翩结}奄和算法.仿真表明它有较好的控制性能. 关鲁I词: 自适应控制:辨识:神经网络 一.引言 如果被控工业对象的模型已知且时不变,利用复合控制、经典的PIE)控制或线性最优 控制就能取得较好的控制效果.但是,随着工业和自动化技术的发展,自动化的领域El趋 广泛.在控制工程中,控制对象差异很大,它们的机理.复杂程度和环境条件可能各不相 同,因此一个受控系统总或多或少地存在某些非线性、时变性、分布性和随机性,面对如 此众多的具有较强不确定性的受控系统,为了设计满意的控制器,就提出了。自适应控制” 的概念. 在自动控制系统的设计中,采用“自适应”的设计思想的历史并不长.它起源于本世 纪五十年代,经过四十余年的不断努力和探索,已有一套比较成熟的理论.但是应当指出 的是它对于非线性系统,目前的方法还不够理想. 自适应控制继续向前发展,就需要具备自组织和自学习的功能.学习是人类智能的主 要标志与获得智能的基本手段。当系统的先验信息相当缺乏,为了保证有效的工作,系统 控制器应具有识别.判断、积累经验和学习的功能.而这个系统的实现,就要利用人工智 能技术.目前,基于人工智能技术的智能控制的研究已全面展开.特别是人工神经元网络 技术,由于它的分布性,并行性、非线性、高度容错性以及学习功能,它已广泛用在自动 控制系统中,并且已提出了许多神经元学习控制算法. 本文主要研究一个自适应神经元网络控制系统,为了适应环境的变化,该控制系统必 须完成两个任务:①系统的辨识;圆对象的控制. 二.自适应神经网络控制系统结构和算法的研究 系统结构图如图l所示.从图可知,该系统由两个环构成:一个是系统辨识环(包括 NNI,PLANT);一个是系统控制环(包括NNC,PLANT). 下面分别研究两个环的结构及算法 1.系统的辨识环 系统辨识是利用一组观测到的输入、输出数据来确定动力学系统模型的过程,多层前 馈型神经网络具有良好的逼近非线性函数的能力,因此可用于系统辨识. 首先构造一个多层网络,注意选择好隐节点的数目和初始权值,然后再使用BP算法 反复学习,确定网络的权值.采用神经网络系统辨识分为静态辨识(离线辨识)和动态辨 识(在线辨识).由于网络的初始权值不好确定,且影响系统的实时性.故本系统采用先 静态辨识.得到一组权值后作为初始权值,再进行动态辨识.其结构图如图2所示. ·121· 图1 团 图2 结构图中实线所画为静态辨识结构,再加上虚线为动态辨识结构. 辨识步骤1:首先进行静态辨识(二个输入节点,六个隐层节点,一个输出节点).采用 BP算法.误差准则函数为:ay(K+1)=0.5t【y(1(+1)-弧+lj】.选用一组 数据学习,直至满意为止,得到了静态辨识的权值. 辨识步骤2:然后以刚才静态辨识得到的权值为初始值,再加上图中虚线所画的节点,(即 引入了反馈,也须确定几个初始权值),进行动态辨识.此时,共有四个输 入节点:u(k),U(k-O,双K), i(K一1).六个隐层节点和一个输出节点 认K+1). 由于动态多层网络引人了时间延迟和反馈机制,它比静态多层网络具有更复杂和更丰 富的动力学行为,从而具备了刻划复杂的非线性动态系统的能力. 动态多层网络BP算法学习有两种方式:一种是模式学习方式,即每送人一个训练样本 (模式)而得到网络输出后,便立刻改变网络权值;另一种学习称为分批学习方式,即通 过T单位时间后,把该时间段内的训练样本集作为一批,所有训练样本都送入网络处理后, ·122· 才改变权值. 本系统采用模式学习方式.BP算法学

文档评论(0)

bb213 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档