北京交通大學(xué)研究生課程(神經(jīng)網(wǎng)絡(luò)、模糊控制及專家系統(tǒng))第六章資料

1、神經(jīng)網(wǎng)絡(luò)、模糊控制及專家系統(tǒng)(zhun ji x tn) 研究生課程(kchng)張嚴(yán)心2015共四十四頁第六章 人工神經(jīng)網(wǎng)絡(luò)控制論 引言 非線性動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識神經(jīng)網(wǎng)絡(luò)控制(kngzh)的學(xué)習(xí)機制神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制共四十四頁第一節(jié) 引言(ynyn)一、神經(jīng)網(wǎng)絡(luò)控制(kngzh)的優(yōu)越性二、神經(jīng)網(wǎng)絡(luò)控制器的分類三、神經(jīng)網(wǎng)絡(luò)的逼近能力共四十四頁第一節(jié) 引言(ynyn)基于專家經(jīng)驗(jngyn)和領(lǐng)域知識總結(jié)出若干條模糊控制規(guī)則，構(gòu)成描述具有不確定性、復(fù)雜對象的模糊關(guān)系，通過被控系統(tǒng)輸出誤差及誤差變化和模糊關(guān)系的推理合成獲得控制量，從而對系統(tǒng)進行控制。一、神經(jīng)網(wǎng)絡(luò)控

2、制的優(yōu)越性是根據(jù)被控對象的數(shù)學(xué)模型及對控制系統(tǒng)要求的性能指標(biāo)來設(shè)計控制器，并對控制規(guī)律加以數(shù)學(xué)解析描述。具有很強的逼近非線性函數(shù)的能力，即非線性映射能力，神經(jīng)網(wǎng)絡(luò)用于控制正是利用這個獨特的優(yōu)點。傳統(tǒng)的基于模型的控制方式模糊控制神經(jīng)網(wǎng)絡(luò)控制共四十四頁第一節(jié) 引言(ynyn)一、神經(jīng)網(wǎng)絡(luò)控制(kngzh)的優(yōu)越性神經(jīng)網(wǎng)絡(luò)可以處理那些難以用模型或規(guī)則描述的過程或系統(tǒng)。2. 神經(jīng)網(wǎng)絡(luò)采用并行分布式信息處理方式，具有很強的容錯性。3. 神經(jīng)網(wǎng)絡(luò)是本質(zhì)的非線性系統(tǒng)。4. 神經(jīng)網(wǎng)絡(luò)具有很強的信息綜合能力。5. 神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn)愈趨方便。（1） 優(yōu)越性共四十四頁第一節(jié) 引言(ynyn)一、神經(jīng)網(wǎng)絡(luò)控制(kn

3、gzh)的優(yōu)越性（2） 在控制中的主要作用共四十四頁第一節(jié) 引言(ynyn)二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)共四十四頁第一節(jié) 引言(ynyn)二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)共四十四頁二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)圖 5-1 導(dǎo)師指導(dǎo)下的神經(jīng)(shnjng)控制結(jié)構(gòu)圖共四十四頁二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)共四十四頁二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)圖5-2 逆控制器的結(jié)構(gòu)圖共四十四頁二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)圖5-3 自適應(yīng)(shyng)網(wǎng)絡(luò)控制器結(jié)構(gòu)圖共四十四頁二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)圖5-4 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?kngzh)結(jié)構(gòu)圖共

4、四十四頁二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)圖5-5 前饋補償(bchng)控制結(jié)構(gòu)圖共四十四頁二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)圖5-6 自適應(yīng)(shyng)評價網(wǎng)絡(luò)結(jié)構(gòu)圖共四十四頁二、神經(jīng)網(wǎng)絡(luò)控制器的分類(fn li)共四十四頁第二節(jié) 非線性動態(tài)系統(tǒng)(xtng)的 神經(jīng)網(wǎng)絡(luò)辨識一、神經(jīng)網(wǎng)絡(luò)的辨識(bin sh)基礎(chǔ)二、神經(jīng)網(wǎng)絡(luò)辨識模型的結(jié)構(gòu)三、非線性動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識共四十四頁一、神經(jīng)網(wǎng)絡(luò)的辨識(bin sh)基礎(chǔ) 所謂辨識，是在輸入和輸出數(shù)據(jù)的基礎(chǔ)上，從一組給定(i dn)的模型中，確定一個與所測系統(tǒng)等價的模型。 三個要素：輸入/輸出數(shù)據(jù)指能夠量測到的系統(tǒng)的輸入/輸出。模型類指

5、所考慮的系統(tǒng)的結(jié)構(gòu)。等價準(zhǔn)則指辨識的優(yōu)化目標(biāo)。共四十四頁一、神經(jīng)網(wǎng)絡(luò)的辨識(bin sh)基礎(chǔ) 神經(jīng)(shnjng)網(wǎng)絡(luò)系統(tǒng)本質(zhì)上是一種非線性映射，它可以從某一輸入空間通過網(wǎng)絡(luò)變換，映射到輸出空間。因此，訓(xùn)練神經(jīng)(shnjng)網(wǎng)絡(luò)的過程是非線性函數(shù)的逼近過程。多層前向傳播網(wǎng)絡(luò)能夠逼近 空間上的任意非線性函數(shù)。關(guān)鍵在于如何確定隱含層和隱含激勵神經(jīng)(shnjng)元的個數(shù)。 需要考慮的三大因素：模型的選擇輸入信號的選擇誤差準(zhǔn)則的選擇持續(xù)激勵信號，充分激勵足以覆蓋系統(tǒng)的頻譜精確性和復(fù)雜性的折衷共四十四頁一、神經(jīng)網(wǎng)絡(luò)的辨識(bin sh)基礎(chǔ) 神經(jīng)網(wǎng)絡(luò)的辨識在確定上述三大要素(yo s)之后就歸結(jié)為

6、一個最優(yōu)化問題。它不是傳統(tǒng)的參數(shù)估計問題，有五個特點：5) 作為實際系統(tǒng)的辨識模型,是一個物理實現(xiàn),可在線控制.1）不要求建立實際系統(tǒng)的辨識格式.2）可以對本質(zhì)非線性系統(tǒng)進行辨識，是通過網(wǎng)絡(luò)外部的輸入/輸出來擬合系統(tǒng)的輸入/輸出.4) 神經(jīng)網(wǎng)絡(luò)有大量連接權(quán),通過調(diào)節(jié)權(quán)值逼近系統(tǒng)輸出.3) 辨識的收斂速度不依賴于待辨識系統(tǒng)的維數(shù),只與算法有關(guān).共四十四頁二、神經(jīng)網(wǎng)絡(luò)的辨識模型(mxng)的結(jié)構(gòu)前向建模：利用神經(jīng)網(wǎng)絡(luò)來逼近非線性系統(tǒng)(xtng)的前向動力學(xué)模型。神經(jīng)網(wǎng)絡(luò)模型在結(jié)構(gòu)上與實際系統(tǒng)(xtng)并行。 前向建模 逆模型法共四十四頁二、神經(jīng)網(wǎng)絡(luò)的辨識(bin sh)模型的結(jié)構(gòu)圖5-8 前向建

7、模示意圖共四十四頁二、神經(jīng)網(wǎng)絡(luò)的辨識(bin sh)模型的結(jié)構(gòu)逆模型建立的最直接的方法是將系輸出作為網(wǎng)絡(luò)輸入(shr)，將網(wǎng)絡(luò)輸出與期望輸出即系統(tǒng)的輸入(shr)進行比較得到的誤差作為此神經(jīng)網(wǎng)絡(luò)訓(xùn)練的信號。圖5-9 逆模型直接法示意圖共四十四頁二、神經(jīng)網(wǎng)絡(luò)的辨識模型(mxng)的結(jié)構(gòu)1.學(xué)習(xí)過程(guchng)不一定是目標(biāo)最優(yōu)的。適當(dāng)在穩(wěn)態(tài)下加入一個小信號的隨機輸入信號；或者采用如圖的逆模型建模結(jié)構(gòu)。即逆模型的輸入遍及整個系統(tǒng)的輸入空間。2. 一旦非線性系統(tǒng)的對應(yīng)關(guān)系不是一對一的，那么不準(zhǔn)確的逆模型可能會被建立。缺陷：圖5-10 實用逆模型建模示意圖共四十四頁第三節(jié) 神經(jīng)網(wǎng)絡(luò)控制(kngzh)

8、的學(xué)習(xí)機制神經(jīng)網(wǎng)絡(luò)辨識(bin sh)器的期望輸出值和系統(tǒng)實際值應(yīng)該是一致的，因此樣本信息是已知的。神經(jīng)網(wǎng)絡(luò)控制器的樣本是系統(tǒng)的最佳控制量，是未知的。監(jiān)督式學(xué)習(xí)：有導(dǎo)師指導(dǎo)下的控制網(wǎng)絡(luò)學(xué)習(xí)。包括離線學(xué)習(xí)法、在線學(xué)習(xí)法、反饋誤差學(xué)習(xí)法、多網(wǎng)絡(luò)學(xué)習(xí)法。 增強式學(xué)習(xí)：無導(dǎo)師指導(dǎo)下的學(xué)習(xí)模式。通過某一評價函數(shù)來對網(wǎng)絡(luò)的權(quán)系數(shù)進行學(xué)習(xí)和更新，最終達到有效控制的目的。 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法就是尋找一種有效的途徑進行網(wǎng)絡(luò)連接權(quán)陣或網(wǎng)絡(luò)結(jié)構(gòu)的修改，從而使得網(wǎng)絡(luò)控制器輸出的控制信號能夠保證系統(tǒng)輸出跟隨系統(tǒng)的期望輸出。共四十四頁離線學(xué)習(xí)(xux)法圖5-20 離線學(xué)習(xí)(xux)法建立學(xué)習(xí)目的: 要求 和 的平方誤差

9、為最小。一個系統(tǒng)的逆模型一批樣本輸入輸出數(shù)據(jù)共四十四頁在線(zi xin)學(xué)習(xí)法圖5-21 在線(zi xin)學(xué)習(xí)法共四十四頁若系統(tǒng)模型已知，則可以(ky)通過Jacobian矩陣求出在線(zi xin)學(xué)習(xí)法共四十四頁反饋(fnku)誤差學(xué)習(xí)法控制系統(tǒng)的結(jié)構(gòu)(jigu)由前饋控制器和反饋控制器兩部分組成。缺點：直接使用系統(tǒng)的誤差信號去更新控制網(wǎng)絡(luò)的權(quán)矩陣，而忽略了非線性系統(tǒng)本身的動態(tài)性能，因此可能導(dǎo)致學(xué)習(xí)算法的發(fā)散現(xiàn)象。圖5-22 反饋誤差學(xué)習(xí)結(jié)構(gòu)共四十四頁多網(wǎng)絡(luò)(wnglu)學(xué)習(xí)法利用神經(jīng)網(wǎng)絡(luò)辨識的手段在線識別出未知系統(tǒng)的動態(tài)模型，并利用此模型進行神經(jīng)網(wǎng)絡(luò)控制的設(shè)計和學(xué)習(xí)(xux)，且在

10、學(xué)習(xí)(xux)過程中進一步改善模型的精確性，達到高精度的控制目的。兩種方法：建立未知非線性動態(tài)系統(tǒng)的前向模型。建立未知非線性動態(tài)系統(tǒng)的逆模型。第三節(jié) 神經(jīng)網(wǎng)絡(luò)控制的學(xué)習(xí)機制共四十四頁多網(wǎng)絡(luò)(wnglu)學(xué)習(xí)法建立未知非線性動態(tài)(dngti)系統(tǒng)的前向模型。圖5-23 前向建模多網(wǎng)絡(luò)控制結(jié)構(gòu)圖共四十四頁多網(wǎng)絡(luò)(wnglu)學(xué)習(xí)法2. 建立未知非線性動態(tài)系統(tǒng)(xtng)的逆模型。圖5-24 逆模型建模的多網(wǎng)絡(luò)控制結(jié)構(gòu)圖共四十四頁第四節(jié) 神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計(shj)一、神經(jīng)網(wǎng)絡(luò)直接逆模型(mxng)控制法二、直接網(wǎng)絡(luò)控制設(shè)計法共四十四頁一、神經(jīng)網(wǎng)絡(luò)直接(zhji)逆模型控制法最直觀(zhgun)的

11、一種神經(jīng)網(wǎng)絡(luò)控制器的實現(xiàn)方法圖5-25 直接逆模型的訓(xùn)練結(jié)構(gòu)示意圖直接逆模型控制法共四十四頁一、神經(jīng)網(wǎng)絡(luò)直接(zhji)逆模型控制法共四十四頁一、神經(jīng)網(wǎng)絡(luò)直接(zhji)逆模型控制法共四十四頁一、神經(jīng)網(wǎng)絡(luò)直接(zhji)逆模型控制法共四十四頁一、神經(jīng)網(wǎng)絡(luò)直接(zhji)逆模型控制法共四十四頁一、神經(jīng)網(wǎng)絡(luò)直接(zhji)逆模型控制法共四十四頁二、直接網(wǎng)絡(luò)控制(kngzh)設(shè)計法 問題：直接逆模型控制法沒有考慮到系統(tǒng)本身的輸入輸出狀態(tài)，因此，一旦(ydn)系統(tǒng)運行的環(huán)境、參數(shù)發(fā)生變化時，這類控制器就無法適應(yīng)了。改進方案：共四十四頁二、直接網(wǎng)絡(luò)控制(kngzh)設(shè)計法共四十四頁二、直接(zhji)網(wǎng)

12、絡(luò)控制設(shè)計法共四十四頁第八章 小 結(jié)1. 神經(jīng)網(wǎng)絡(luò)控制的優(yōu)越性2. 七種常見的神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)3. 離散非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識算法4. 監(jiān)督式學(xué)習(xí)(xux)：有導(dǎo)師指導(dǎo)下的控制網(wǎng)絡(luò)學(xué)習(xí)(xux)。5.神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計前向建模 逆模型(mxng)法神經(jīng)網(wǎng)絡(luò)直接逆模型控制法；直接網(wǎng)絡(luò)控制設(shè)計法離線學(xué)習(xí)法、在線學(xué)習(xí)法、反饋誤差學(xué)習(xí)法、多網(wǎng)絡(luò)學(xué)習(xí)法共四十四頁內(nèi)容摘要神經(jīng)網(wǎng)絡(luò)、模糊控制及專家系統(tǒng)。神經(jīng)網(wǎng)絡(luò)可以處理那些(nxi)難以用模型或規(guī)則描述的過程或系統(tǒng)。輸入/輸出數(shù)據(jù)指能夠量測到的系統(tǒng)的輸入/輸出。神經(jīng)網(wǎng)絡(luò)系統(tǒng)本質(zhì)上是一種非線性映射，它可以從某一輸入空間通過網(wǎng)絡(luò)變換，映射到輸出空間。2）可以對本質(zhì)非線