第五章
神经网络控制方法
Neural Networks Control NNC
目的:解决复杂的非线性,不确定不确知系
统的控制问题。
具有学习能力和自适应能力。神经网络控制
能对环境变化具有自适应能力,且不依赖于
模型。
5.1 神经网络控制的结构
1.神经直接逆动态控制(自校正控制)
r 对象)ˆ( 1PNNC
yu yur )ˆ( 1PNNC
)ˆ( 1PNN
对象
评价函数
)(a )(b
1
1
ˆ
,
NNC P P
NNC NN
P P
实现对象 的逆模型 ,且在线调整
具有相同结构和学习算法
对象 动态可逆
2.神经间接自校正控制
r u y对象
PPNNI ˆ)神经网络辨识器(
控制器
自校正控制器
NNI辨识器
神经自校正控制
3.神经模型参考自适应控制
0ˆ
0
yyeNNI
NNI
NNCe
yyeNNC m
权修正:神经网络辨识器。
了避免这问题,增加参数修正造成困难。为
中间位置。给和于最小。由于未知对象处
或二次型指标权修正目标
对象NNC
参考模型
r
e
yu
m
m
yy
y
期望输出—my
直接型
参模
NNC 对象
NNI
r
yˆ
u y
间接型
4.神经PID控制
PNNI
PIDNNC
ˆ
对象
NNI
PID
r u y
e
yˆ
5.神经内模控制
内模控制IMC---Internal Model Control
r 对象)ˆ( 1PNNC
yu
Ff
1ˆ( )NNI P
滤波器e
逆模
d 'd
my
M—对象数学模型(内模)
滤波器—提高系统的鲁棒性 '
d
d
—内部扰动
—测量噪音
M
1. /
' 0
mf y y
M P
d d f
y F r
如果 完全准确反映对象 的输入 出关系。
且不考虑 , ,则 。系统开环,但
直接逆控制。
2. my y f y r
F
e NNC
u
若 , 作用
惯性环节或积分
作用平滑 的变化,补偿 中的纯微分项,
以使 不进入饱和区。
( )cG s ( )G z
( )dY z ( )U z ( )Y z
( )D z
( )cG s ( )G z
( )dY z
( )U z
( )Y z
( )D z
ˆ ( )D z ˆ ( )G zˆ ( )D z
( )C z
6.神经前馈控制
常规控制器:PD控制。
r 对象控制器
u
)ˆ( 1PNNC
e
y
cu
1ˆ PP
NNC
的逆模型
前馈控制—
PD控制
0
e PD
e NNC
大 控制
5.2 神经网络自校正控制
利用NN的非线性函数的映射能力,可以
使它在自校正控制系统中充当未知系统函
数逼近器。
r
对象控制器
ku
)ˆ( 1PNNC
ˆky
fˆ
y
gˆ
( 1)y k ( )u k( 1)dy k
( 1)y k ˆ( 1)y k
fˆ gˆ
1 1 1 2
1 1 2
/
( , )
( , ) ( )
( ), ( )
k k k k P k k k P
k k k P k k k P
y f y y y u u u
g y y y u u u u k
y u
g f
考虑一个单输入 出系统(线性) 对象
其中 ——输出, ——输入。
非零函数。
1
( ), ( )
( )
( ) ( )
k
k
k k
f g
rfu
g g
y r
若在 已知条件下,根据“确定性等价
原则。
控制器的控制算法:
此时 能精确跟踪 ——期望输出
( ), ( )f g NN 若 未知,则通过 学习训练来逼近上
述函数.
1 ( ) ( )k k k ky f y g y u
设被控对象为一阶系统:
0 1 2 0 1 2
0 0
[ , ], [ , ],
ˆ ˆ[0, ] , [0, ]
p qw w w w V V V V
f w w y V V
去逼近对象模型.
其中
且
1
,
ˆ ˆ[ , ( )] [ , ( )] ( )k k k
NN
y f y w k g y V k u k
通过 利用模型
ˆ ˆ( , ), ( , ) ( )
( )
k k k
k
f y w g y V f y
g y
假设 可以任意精度逼近 、
1
ˆ[ , ( )]
ˆ ˆ[ , ( )] [ , ( )]
k k
k
k k
f y w k ru
g y V k g y V k
则控制器输出:
1
1
ˆ[ , ( )]( ) ( ) {
ˆ[ , ( )]
}
ˆ[ , ( )]
k
k k k
k
k
k
f y w ky f y g y
g y V k
r
g y V k
故
1 1 1
2 2
1 1 1
1
1
1
1 1 ( )
2 2
ˆ( ) [ , ( )]{ }
ˆ( ) ( ) [ , ( )] ( )
k k k
k k k k
k k k k k
k
i k i k i
e r y
E e r y
E E y g y f y w ke
w k y w k g y V k w k
令 并定义输出误差
1
ˆ( ) [ , ( )]{ }
ˆ( ) [ , ( )] ( )
k k k
k
i k i
E g y f y w k e
w k g y V k w k
1
1( ) ( )
k k k
j k j
E E y
V k y V k
1
1 2 2
1
ˆ ˆ[ , ( )] [ , ( )]( )
ˆ[ , ( )] [ , ( )] ( )
ˆ( ) [ , ( )]{ }
ˆ( ) [ , ( )] ( )
k k k
k k
k k j
k k k
k k
j k j
f y w k r g y V ke g y
g y V k g y V k V k
E g y g y V k u e
V k g y V k V k
( 1) ( )
( )
( 1) ( )
( )
,
( ) sgn( ( ))
j
k
i i k
i
k
j j k
k k
k k
BP
Ew k w k
w k
EV k V k
V k
g y g y
则 学习规则
学习速率
设 符号已知
第五章 神经网络控制方法�Neural Networks Control NNC
5.1 神经网络控制的结构
Slide Number 3
Slide Number 4
Slide Number 5
Slide Number 6
Slide Number 7
Slide Number 8
Slide Number 9
Slide Number 10
Slide Number 11
5.2 神经网络自校正控制
Slide Number 13
Slide Number 14
Slide Number 15
Slide Number 16
Slide Number 17
Slide Number 18
Slide Number 19
Slide Number 20
Slide Number 21