第7章PID神經(jīng)網(wǎng)絡(luò)_第1頁
第7章PID神經(jīng)網(wǎng)絡(luò)_第2頁
第7章PID神經(jīng)網(wǎng)絡(luò)_第3頁
第7章PID神經(jīng)網(wǎng)絡(luò)_第4頁
第7章PID神經(jīng)網(wǎng)絡(luò)_第5頁
已閱讀5頁,還剩28頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

付冬梅信息工程學(xué)院自動(dòng)化系2008-10-29

第七章PID神經(jīng)網(wǎng)絡(luò)7.1緒論7.2PID神經(jīng)元的計(jì)算方法7.3PID神經(jīng)元網(wǎng)絡(luò)7.4SPID網(wǎng)絡(luò)的反傳算法7.5PID網(wǎng)絡(luò)初值權(quán)重的選取和等價(jià)系統(tǒng)第七章PID神經(jīng)網(wǎng)絡(luò)的講述內(nèi)容7.1緒論1)傳統(tǒng)控制系統(tǒng)的局限性

由于被控對(duì)象的復(fù)雜性、大規(guī)模和確定性、分布性,要實(shí)現(xiàn)自動(dòng)控制,那么基于傳統(tǒng)精確數(shù)學(xué)模型的控制理論就顯現(xiàn)出極大的局限性。

傳統(tǒng)的控制理論雖然也有辦法對(duì)付控制對(duì)象的不確定性和復(fù)雜性,如自適應(yīng)控制和魯棒控制。自適應(yīng)控制是以自動(dòng)調(diào)節(jié)控制器的參數(shù),使其與被控對(duì)象和環(huán)境達(dá)到良好的“匹配”,以削弱不確定性的影響。從本質(zhì)上說,自適應(yīng)控制是通過估計(jì)系統(tǒng)某些重要參數(shù),以補(bǔ)償?shù)姆椒朔到y(tǒng)參數(shù)在一定范圍內(nèi)的慢變化。魯棒控制是在一定的外部干擾和內(nèi)部參數(shù)變化作用下,以提高系統(tǒng)的靈敏度為宗旨來抵御不確定性的。根據(jù)這一思想和原則所導(dǎo)出的算法,其魯棒的區(qū)域是很有限的。7.1緒論2)人工神經(jīng)網(wǎng)絡(luò)控制的系統(tǒng)的特點(diǎn)和弱點(diǎn):

一般神經(jīng)網(wǎng)絡(luò)的弱點(diǎn),包括以下問題:⑴一般神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練時(shí)間很長。⑵由于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定往往要通過反復(fù)實(shí)驗(yàn)才可能確定,所以給控制器實(shí)際應(yīng)用方面帶來困難。⑶有的網(wǎng)絡(luò)在學(xué)習(xí)時(shí)會(huì)陷入局部極小(BP),有的網(wǎng)絡(luò)關(guān)鍵參數(shù)確定有困難(RBF)。⑷傳統(tǒng)系統(tǒng)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、參數(shù)和機(jī)能,難以與控制系統(tǒng)所要求的響應(yīng)快、超調(diào)小、無靜差、靜態(tài)指標(biāo)相聯(lián)系。⑸傳統(tǒng)的多層前向神經(jīng)網(wǎng)絡(luò)的神經(jīng)元僅具有靜態(tài)輸入輸出特性,用它構(gòu)成控制系統(tǒng)時(shí)必須附加其它動(dòng)態(tài)部件。

7.1緒論3)PID控制的特點(diǎn)及其和神經(jīng)元網(wǎng)絡(luò)的結(jié)合

配合適應(yīng).可得到快速敏捷.平穩(wěn)準(zhǔn)確的調(diào)節(jié)效果.但其合理、快速、實(shí)時(shí)的確定是關(guān)鍵。

PID在本質(zhì)上是線性控制規(guī)律,具有傳統(tǒng)控制理論的弱點(diǎn)——只適合于線性SISO系統(tǒng),在復(fù)雜系統(tǒng)中控制效果不佳。

7.1緒論神經(jīng)元網(wǎng)絡(luò)和PID控制結(jié)合的兩種流行方法:缺點(diǎn):結(jié)構(gòu)復(fù)雜、不能避免神經(jīng)網(wǎng)絡(luò)自身的缺陷。

缺點(diǎn):a:仍是選擇PID參數(shù)的方法。b:神經(jīng)元起的作用相當(dāng)于單層感知器,只具有線性分類能力.7.1緒論4)PID神經(jīng)元網(wǎng)絡(luò)(PIDNN)的特點(diǎn)和結(jié)構(gòu)形式PIDNN的主要特點(diǎn)如下;PIDNN屬于交層前向神經(jīng)元網(wǎng)絡(luò);PIDNN參照PID控制規(guī)律構(gòu)成,結(jié)構(gòu)比較簡單、規(guī)范。PIDNN的初值按PID控制規(guī)律的基本原則確定,加快了收斂速度,不易陷入極小點(diǎn);更重要的是可以利用現(xiàn)有的PID控制的大量經(jīng)驗(yàn)數(shù)據(jù)確定網(wǎng)絡(luò)權(quán)重初值,使控制系統(tǒng)保持初始穩(wěn)定,使系統(tǒng)的全局穩(wěn)定成為可能。PIDNN可采用“無教師”的學(xué)習(xí)方式,根據(jù)控制效果進(jìn)行在線自學(xué)習(xí)和調(diào)整,使系統(tǒng)具備較好的性能。PIDNN可同時(shí)適用于SISO以及MIMO控制系統(tǒng)。

PIDNN的結(jié)構(gòu)形式:7.1緒論7.2PID神經(jīng)元的計(jì)算方法①比例元的輸入為1)比例元②比例元的狀態(tài)函數(shù)

③比例元的輸出函數(shù)

7.2PID神經(jīng)元的計(jì)算方法2)積分元積分元的輸入和輸出函數(shù)與比例函數(shù)相同。3)微分元微分元的輸入和輸出函數(shù)與比例函數(shù)相同。7.3PID神經(jīng)元網(wǎng)絡(luò)將PID和一般神經(jīng)元網(wǎng)絡(luò)融合起來的方法包括兩個(gè)步驟:①將PID功能引入神經(jīng)網(wǎng)絡(luò)的神經(jīng)元中,構(gòu)成PID神經(jīng)元(第二節(jié)完成);②按照PID神經(jīng)元的控制規(guī)律的基本模式,用這些基本神經(jīng)元構(gòu)成新的神經(jīng)元網(wǎng)絡(luò),并找到合理有效的計(jì)算與學(xué)習(xí)方法(下節(jié)完成)。7.3PID神經(jīng)元網(wǎng)絡(luò)1、SPIDNN的結(jié)構(gòu)形式ry7.3PID神經(jīng)元網(wǎng)絡(luò)2、SPIDNN的前向計(jì)算模型SPIDNN的前向算法根據(jù)網(wǎng)絡(luò)的兩個(gè)輸入值,按網(wǎng)絡(luò)當(dāng)前權(quán)重值和各層狀態(tài)函數(shù)和輸出函數(shù)形成網(wǎng)絡(luò)的輸出。1)輸入層

SPIDNN的輸入層有兩個(gè)神經(jīng)元,在構(gòu)成控制系統(tǒng)可分別輸入系統(tǒng)被調(diào)量的給定值和實(shí)際值。在任意采樣時(shí)刻k,其輸入:(7.1)

7.3PID神經(jīng)元網(wǎng)絡(luò)輸入層神經(jīng)元的狀態(tài)為:(7.2)

輸入層神經(jīng)元的輸出為:(7.3)

以上各式中i=1,2;j=1,2,3。7.3PID神經(jīng)元網(wǎng)絡(luò)2)隱含層隱含層是神經(jīng)元網(wǎng)絡(luò)中最重要的層次,SPIDNN的隱含層有三個(gè)神經(jīng)元,分別為比例元、積分元和微分元,它們各自的輸入總值均為:(7.4)

式中:j=1,2,3;為輸入層至隱含層的連接權(quán)重值。

比例元的狀態(tài)為:

積分元的狀態(tài)為:

(7.5)微分元的狀態(tài)為:

(7.6)

(7.7)

隱含層各神經(jīng)元的輸出為7.3PID神經(jīng)元網(wǎng)絡(luò)(7.8)

3)輸出層

SPIDNN的輸出層結(jié)構(gòu)比較簡單,它只包含一個(gè)神經(jīng)元,完成網(wǎng)絡(luò)的總和輸出功能,其總輸入為:(7.9)

7.3PID神經(jīng)元網(wǎng)絡(luò)輸出層神經(jīng)元的輸出為:

SPIDNN的輸出就等于輸出層神經(jīng)元的輸出:

輸出層神經(jīng)元的狀態(tài)函數(shù)與比例元的狀態(tài)函數(shù)相同:

(7.10)

(7.11)

(7.12)

7.4PID神經(jīng)網(wǎng)絡(luò)的反傳算法

反傳算法即誤差反向傳播學(xué)習(xí)算法,它完成網(wǎng)絡(luò)權(quán)重值的修改,完成學(xué)習(xí)和記憶的功能。SPIDNN的反傳算法與傳統(tǒng)多層前向神經(jīng)元網(wǎng)絡(luò)的反傳算法類似。設(shè)訓(xùn)練輸入矢量的集合為:

其中某個(gè)訓(xùn)練輸入矢量為:SPIDNN的實(shí)際輸出矢量的集合為:式中l(wèi)為采樣點(diǎn)數(shù)。

(7.13)

(7.14)

7.4PID神經(jīng)網(wǎng)絡(luò)的反傳算法

SPIDNN的理想輸出矢量的集合為:式中SPIDNN訓(xùn)練和學(xué)習(xí)的目的是使網(wǎng)絡(luò)實(shí)際輸出和理想輸出的對(duì)應(yīng)時(shí)間序列的偏差平方均值為最小:按梯度法調(diào)節(jié)SPIDNN權(quán)重值,經(jīng)n0步訓(xùn)練和,SPIDNN各層權(quán)重值的迭代方程為:(7.16)

(7.17)(7.15)7.4PID神經(jīng)網(wǎng)絡(luò)的反傳算法

1)隱含層至輸出層隱含層至輸出層的權(quán)重值迭代公式為:式中(7.18)

(7.19)

(注意到(7.16)式)(7.20)注意到(7.12)式,可求出:7.4PID神經(jīng)網(wǎng)絡(luò)的反傳算法

注意到(7.11)式,可求出:(7.21)注意到(7.10)式,可求出:(7.22)由式(7.8)和(7.9),可求出:(7.23)7.4PID神經(jīng)網(wǎng)絡(luò)的反傳算法

令(7.24)式可簡化為:

2)輸出層至隱含層輸入層至隱含層的權(quán)重值迭代公式為將式(7.20)至式(3.23)代回式(7.19),可得:(7.24)(7.25)(7.26)7.4PID神經(jīng)網(wǎng)絡(luò)的反傳算法

由誤差反向傳播關(guān)系,其中由式(7.21)至式(7.23)結(jié)果,可以得出:(7.27)由式(7.9),可求出:由式(7.8),可求出:(7.28)(7.29)(7.30)7.4PID神經(jīng)網(wǎng)絡(luò)的反傳算法

如果和相等或相差很小時(shí),上式的結(jié)果可能會(huì)趨于無窮大,計(jì)算機(jī)無法進(jìn)行計(jì)算,因此要采用近似方法。

對(duì)于神經(jīng)元網(wǎng)絡(luò)權(quán)重值的收斂,收斂方向是最重要的,收斂速度還可以通過其他因子調(diào)節(jié)。所以,可以用和

的相對(duì)變化量的符號(hào)函數(shù)近似代替式(7.31),即采用式(7.27)中的(7.31)代替

7.4PID神經(jīng)網(wǎng)絡(luò)的反傳算法

由式(7.4),可求出

將式(7.28)至式(7.32)代回式(7.27),可得令則式(7.33)可簡化為:(7.35)

(7.34)

(7.33)

(7.32)

7.5PID網(wǎng)絡(luò)初值權(quán)重的選取和等價(jià)系統(tǒng)1)神經(jīng)元網(wǎng)絡(luò)連接權(quán)重初值選取的重要性

神經(jīng)元網(wǎng)絡(luò)連接權(quán)重初值的選取對(duì)于神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)和收斂速度是很重要的,因?yàn)檫B接權(quán)重初值決定了網(wǎng)絡(luò)學(xué)習(xí)的起始點(diǎn)和收斂的初始方向。恰當(dāng)?shù)倪x取連接權(quán)重初值,可使網(wǎng)絡(luò)的學(xué)習(xí)和收斂速度加快,且能避免陷入局部最小,達(dá)到事半功倍的效果。目前對(duì)傳統(tǒng)神經(jīng)元網(wǎng)絡(luò)連接權(quán)重初值的選取尚無固定的準(zhǔn)則,一般只能取隨機(jī)數(shù),這將導(dǎo)致出現(xiàn)以下兩個(gè)問題。7.5PID網(wǎng)絡(luò)初值權(quán)重的選取和等價(jià)系統(tǒng)(1)連接權(quán)重初值取隨機(jī)數(shù),網(wǎng)絡(luò)學(xué)習(xí)的起始點(diǎn)和收斂的初始方向?qū)⑹请S機(jī)的,要使收斂方向歸于正確必須要經(jīng)過反復(fù)的訓(xùn)練和學(xué)習(xí),這是一般神經(jīng)元網(wǎng)絡(luò)收斂速度慢的原因之一。同時(shí),對(duì)于采用反傳算法的網(wǎng)絡(luò),隨即的起點(diǎn)將導(dǎo)致收斂陷入局部最小點(diǎn)。(2)在神經(jīng)元網(wǎng)絡(luò)作為控制系統(tǒng)中的控制器時(shí),網(wǎng)絡(luò)連接權(quán)重初值的選取還關(guān)系著系統(tǒng)的穩(wěn)定性。如果網(wǎng)絡(luò)連接權(quán)重初值取隨機(jī)數(shù),按此初值工作的神經(jīng)元網(wǎng)絡(luò)控制器很難保證系統(tǒng)初始工作的穩(wěn)定性。在實(shí)際控制過程中,如果此神經(jīng)元網(wǎng)絡(luò)控制系統(tǒng)初始狀態(tài)是不穩(wěn)定的,系統(tǒng)根本無法正常工作。這種情況下,即使此神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)算法是收斂的也無濟(jì)于事,沒有實(shí)用價(jià)值。很多神經(jīng)元網(wǎng)絡(luò)不能用于實(shí)際系統(tǒng)控制,就是因?yàn)槠洳荒鼙WC系統(tǒng)全過程穩(wěn)定。7.5PID網(wǎng)絡(luò)初值權(quán)重的選取和等價(jià)系統(tǒng)2)SPIDNN的連接權(quán)重初值選取和等價(jià)系統(tǒng)

PIDNN連接權(quán)重初值的選取原則是參照PID控制器的特點(diǎn)確定的。

輸入層至隱含層的連接權(quán)重初值選取

實(shí)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論