神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件

神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用1心神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用神經(jīng)網(wǎng)絡(luò)辨識(shí)技術(shù)神經(jīng)網(wǎng)絡(luò)控制技術(shù)CollegeofElectricalandInformationEngineering,HunanUniv心神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用25.1神經(jīng)網(wǎng)絡(luò)辨識(shí)系統(tǒng)辨識(shí)是自適應(yīng)控制的關(guān)鍵所在,它通過(guò)測(cè)量對(duì)象的輸入輸出狀態(tài)來(lái)估計(jì)對(duì)象的數(shù)學(xué)模型,使建立的數(shù)學(xué)模型和對(duì)象具有相同的輸入輸出特性。神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)具有任意逼近和自學(xué)習(xí)能力,為系統(tǒng)的辨識(shí),尤其是非線性動(dòng)態(tài)系統(tǒng)的辨識(shí)提供了一條十分有效的途徑。神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)實(shí)質(zhì)上是選擇一個(gè)適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型來(lái)逼近實(shí)際系統(tǒng)的數(shù)學(xué)模型。CollegeofElectricalandInformationEngineering,HunanUniv5.1神經(jīng)網(wǎng)絡(luò)辨識(shí)35.1神經(jīng)網(wǎng)絡(luò)辨識(shí)5.1.1神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)的原理系統(tǒng)辨識(shí)的原理就是對(duì)象通過(guò)調(diào)整辨識(shí)模型的結(jié)構(gòu)來(lái)使e最小。辨識(shí)模型|在神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)中,神經(jīng)網(wǎng)絡(luò)用作辨識(shí)模型,將對(duì)象的輸入輸出狀態(tài)u,y看作神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù),以J=1/202作為網(wǎng)絡(luò)訓(xùn)練的目標(biāo),則通過(guò)用一定的訓(xùn)練算法來(lái)訓(xùn)練網(wǎng)絡(luò),使J足夠小,就可以達(dá)到辨識(shí)對(duì)象模型的目的。CollegeofElectricalandInformationEngineering,HunanUniv5.1神經(jīng)網(wǎng)絡(luò)辨識(shí)45.1神經(jīng)網(wǎng)絡(luò)辨識(shí)512多層前向BP網(wǎng)絡(luò)的系統(tǒng)辨識(shí)假設(shè)非線性對(duì)象的數(shù)學(xué)模型可以表示為:y(t)=f(y(t-1),y(t-2),…y(t-n),l(1),(t-1),…,(t-m)其中f是描述系統(tǒng)特征的未知非線性函數(shù),m,n分別為輸入輸出的階次。則可以利用多層前向BP網(wǎng)絡(luò)來(lái)逼近非線性函數(shù),進(jìn)而估計(jì)對(duì)象的模型。CollegeofElectricalandInformationEngineering,HunanUniv5.1神經(jīng)網(wǎng)絡(luò)辨識(shí)551神經(jīng)網(wǎng)絡(luò)辨識(shí)(t)對(duì)象y(t-1)1)多層前向BP網(wǎng)絡(luò)系統(tǒng)辨識(shí)原理圖CollegeofElectricalandInformationEngineering,HunanUniv51神經(jīng)網(wǎng)絡(luò)辨識(shí)65.1神經(jīng)網(wǎng)絡(luò)辨識(shí)網(wǎng)絡(luò)的輸出可以通過(guò)下式計(jì)算得到:+1)=∑wn(∑"j=1=Iy(t-1),y(t-2),……,y(t-n),l(t),(t-1),…,l(t-m)H(*)表示隱層神經(jīng)元的激發(fā)函數(shù)W",W/2分別表示網(wǎng)絡(luò)第1-2層和23層的連接權(quán)值CollegeofElectricalandInformationEngineering,HunanUniv5.1神經(jīng)網(wǎng)絡(luò)辨識(shí)751神經(jīng)網(wǎng)絡(luò)辨識(shí)定義網(wǎng)絡(luò)訓(xùn)練的目標(biāo)函數(shù)為:J=-(y()-j(1)2則網(wǎng)絡(luò)訓(xùn)練的BP算法可以描述為n2)(+1)=w2v(2)0a/ayO(2)oycn(2)-((1)CollegeofElectricalandInformationEngineering,HunanUniv51神經(jīng)網(wǎng)絡(luò)辨識(shí)851神經(jīng)網(wǎng)絡(luò)辨識(shí)5.13.遞歸神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)x遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)CollegeofElectricalandInformationEngineering,HunanUniv51神經(jīng)網(wǎng)絡(luò)辨識(shí)951神經(jīng)網(wǎng)絡(luò)辨識(shí)遞歸神經(jīng)網(wǎng)絡(luò)的輸入輸出關(guān)系可以描述為:x;()+w;x;(t-1)H(*)表示隱層神經(jīng)元的激發(fā)函數(shù)W,WK2分別表示網(wǎng)絡(luò)第12層和23層的連接權(quán)值W表示網(wǎng)絡(luò)第一層的遞歸權(quán)值CollegeofElectricalandInformationEngineering,HunanUniv51神經(jīng)網(wǎng)絡(luò)辨識(shí)10神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件11神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件12神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件13神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件14神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件15神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件16神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件17神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件18神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件19神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件20神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件21神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件22神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件23神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件24神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件25神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件26神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件27神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件28神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件29神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件30神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件31神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件32神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件33神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件34神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件35神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件36神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件37神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件38神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件39神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件40神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件41神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件42神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件43神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件44神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件45神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件46神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件47神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件48神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用49心神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用神經(jīng)網(wǎng)絡(luò)辨識(shí)技術(shù)神經(jīng)網(wǎng)絡(luò)控制技術(shù)CollegeofElectricalandInformationEngineering,HunanUniv心神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用505.1神經(jīng)網(wǎng)絡(luò)辨識(shí)系統(tǒng)辨識(shí)是自適應(yīng)控制的關(guān)鍵所在,它通過(guò)測(cè)量對(duì)象的輸入輸出狀態(tài)來(lái)估計(jì)對(duì)象的數(shù)學(xué)模型,使建立的數(shù)學(xué)模型和對(duì)象具有相同的輸入輸出特性。神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)具有任意逼近和自學(xué)習(xí)能力,為系統(tǒng)的辨識(shí),尤其是非線性動(dòng)態(tài)系統(tǒng)的辨識(shí)提供了一條十分有效的途徑。神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)實(shí)質(zhì)上是選擇一個(gè)適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型來(lái)逼近實(shí)際系統(tǒng)的數(shù)學(xué)模型。CollegeofElectricalandInformationEngineering,HunanUniv5.1神經(jīng)網(wǎng)絡(luò)辨識(shí)515.1神經(jīng)網(wǎng)絡(luò)辨識(shí)5.1.1神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)的原理系統(tǒng)辨識(shí)的原理就是對(duì)象通過(guò)調(diào)整辨識(shí)模型的結(jié)構(gòu)來(lái)使e最小。辨識(shí)模型|在神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)中,神經(jīng)網(wǎng)絡(luò)用作辨識(shí)模型,將對(duì)象的輸入輸出狀態(tài)u,y看作神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù),以J=1/202作為網(wǎng)絡(luò)訓(xùn)練的目標(biāo),則通過(guò)用一定的訓(xùn)練算法來(lái)訓(xùn)練網(wǎng)絡(luò),使J足夠小,就可以達(dá)到辨識(shí)對(duì)象模型的目的。CollegeofElectricalandInformationEngineering,HunanUniv5.1神經(jīng)網(wǎng)絡(luò)辨識(shí)525.1神經(jīng)網(wǎng)絡(luò)辨識(shí)512多層前向BP網(wǎng)絡(luò)的系統(tǒng)辨識(shí)假設(shè)非線性對(duì)象的數(shù)學(xué)模型可以表示為:y(t)=f(y(t-1),y(t-2),…y(t-n),l(1),(t-1),…,(t-m)其中f是描述系統(tǒng)特征的未知非線性函數(shù),m,n分別為輸入輸出的階次。則可以利用多層前向BP網(wǎng)絡(luò)來(lái)逼近非線性函數(shù),進(jìn)而估計(jì)對(duì)象的模型。CollegeofElectricalandInformationEngineering,HunanUniv5.1神經(jīng)網(wǎng)絡(luò)辨識(shí)5351神經(jīng)網(wǎng)絡(luò)辨識(shí)(t)對(duì)象y(t-1)1)多層前向BP網(wǎng)絡(luò)系統(tǒng)辨識(shí)原理圖CollegeofElectricalandInformationEngineering,HunanUniv51神經(jīng)網(wǎng)絡(luò)辨識(shí)545.1神經(jīng)網(wǎng)絡(luò)辨識(shí)網(wǎng)絡(luò)的輸出可以通過(guò)下式計(jì)算得到:+1)=∑wn(∑"j=1=Iy(t-1),y(t-2),……,y(t-n),l(t),(t-1),…,l(t-m)H(*)表示隱層神經(jīng)元的激發(fā)函數(shù)W",W/2分別表示網(wǎng)絡(luò)第1-2層和23層的連接權(quán)值CollegeofElectricalandInformationEngineering,HunanUniv5.1神經(jīng)網(wǎng)絡(luò)辨識(shí)5551神經(jīng)網(wǎng)絡(luò)辨識(shí)定義網(wǎng)絡(luò)訓(xùn)練的目標(biāo)函數(shù)為:J=-(y()-j(1)2則網(wǎng)絡(luò)訓(xùn)練的BP算法可以描述為n2)(+1)=w2v(2)0a/ayO(2)oycn(2)-((1)CollegeofElectricalandInformationEngineering,HunanUniv51神經(jīng)網(wǎng)絡(luò)辨識(shí)5651神經(jīng)網(wǎng)絡(luò)辨識(shí)5.13.遞歸神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)x遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)CollegeofElectricalandInformationEngineering,HunanUniv51神經(jīng)網(wǎng)絡(luò)辨識(shí)5751神經(jīng)網(wǎng)絡(luò)辨識(shí)遞歸神經(jīng)網(wǎng)絡(luò)的輸入輸出關(guān)系可以描述為:x;()+w;x;(t-1)H(*)表示隱層神經(jīng)元的激發(fā)函數(shù)W,WK2分別表示網(wǎng)絡(luò)第12層和23層的連接權(quán)值W表示網(wǎng)絡(luò)第一層的遞歸權(quán)值CollegeofElectricalandInformationEngineering,HunanUniv51神經(jīng)網(wǎng)絡(luò)辨識(shí)58神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件59神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件60神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件61神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件62神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件63神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件64神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件65神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件66神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件67神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件68神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件69神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件70神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件71神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件72神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件73神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件74神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件75神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件76神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件77神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件78神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件79神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件80神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件81神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用課件82神經(jīng)網(wǎng)絡(luò)在控制中的