（控制理论与控制工程专业论文）自行式海底作业车智能控制系统的研究与开发.pdf

a b s t r a c t i n t h e r e c e n t 2 0 y e a r s , m o r e a n d m o r e i n t e r e s t s h a v e b e e n p u t i n t o t h e t h e o ry r e s e a r c h e s o n in te l l i g e n t c o n tr o l . i n t e l l i g e n t c o n tr o l i s n o t o n l y a n i m p o r ta n t d i v i s i o n o f c o m p u t e r s c i e n c e b u t a l s o a s u b j e c t h a v in g m u c h p r a c t i c a l v a l u e . h i g h l y i n t e l l i g e n t d e e p - s e a m i n in g d e v i c e s b e c o m e n e c e s s a ry d u e to t h e e x tr e m e ly c o m p le x o p e r a tin g e n v ir o n m e n t a n d t h e i n h e r e n t s h a r p n o n - l in e a r o f t h e s y s t e m . t h e r e f o r e , i t i s i m p e r a t i v e t o u s e i n t e l l i g e n t c o n tr o l t h e o ry i n t h e d e e p - s e a m i n i n g d e v ic e s . t h i s t h e s i s f o c u s e s o n a p p l ic a t i o n p r o b l e m s o f i n t e ll ig e n t c o n tr o l t h e o ry i n t h e c o n tr o l s y s t e m o f d e e p - s e a o p e r a t in g c a r , b a s e d o n t h e a c c o m p l i s h m e n t o f t h e n i n e - f i v e p l a n n i n g p r o j e c t 一 一 ， s e l f - r u n n i n g d e e p - s e a m i n i n g o p e r a t i n g c a r i n t e l l i g e n t c o n tr o l s y s t e m . t w o k i n d s o f c o n tr o l s c h e m e s a r e c o m p a r e d in t h i s t h e s i s . a n d t h e c o n tr o l s c h e m e b a s e d o n s e tt in g p a t h a n d t r a c k in g t r a il i s m a i n l y d i s c u s s e d . i n o r d e r t o g u a r a n t e e t h e r a t e a n d t h e a c c u r a c y i n t r a c k i n g t h e t r a i l , a t h r e e - l o o p c a s c a d e c l o s e d - l o o p c o n t r o l s y s t e m i s d e v e lo p e d . t h e th r e e l o o p s , fr o m i n n e r t o o u t e r , r e s p e c t i v e l y a r e s p e e d l o o p , p o s i t io n l o o p , a n d p a t h l o o p . f o r i m p ro v in g t h e i n t e l l i g e n c e o f t h e o p e r a t in g c a r , a s e r i e s o f i n t e l l i g e n t c o n tr o l a l g o r i t h m s , s u c h a s e x p e r t s y s t e m , n e u tr a l n e t w o r k , f u z z y c o n tr o l , a n d s o o n , a r e i n d u c e d in t h e thr e e l o o p s , s o a t r u l y i n te llig e n t c o n tr o l s y s te m i s d e v e l o p e d t h e s im u l a t i o n r e s e a r c h o n 俪 a b o v e c o n tr o l th o u g h t is s h o w e d in t h i s th e s i s . a n e x p e r i m e n t a l s y s t e m b a s e d o n a t c v 3 0 3 m o d e l c a r i s a l s o d e v e l o 网 . b o t h s i m u l a t i o n r e s u l t s a n d e x p e r i m e n ta l r e s u l t s v e r i 斤t h e r a p id a s t r i n g e n c y a n d s tro n g r o b u s t o f o u r c o a t 以 匀 吐 e m a t t h e s a m e t i m e , i h a v e g o t s o m e e x p e r i e n ce s d u r i n g p r o g r a m m i n g a n d d e b u g g i n g t h e s o f t w a r e a n d h a r d w a r e , s u c h a s h o w t o r e a l i z e t h e h i g h a c c u r a t e t i m in g , h o w t o d e b u g t h e t h r e e c a s c a d e t o 叩s , a n d s o o n . t h e s e e x p e ri e n c e s a r e c o n c l u d e d i n c h a p t e r s i x i n d e t a i l k e y w o r d s : s e l f - r u n n i n g d e e p - s e a o p e r a t i n g c a r n o n - l i n e a r i n t e l l i g e n t c o n tr a, n e u tr a l n e t w o r k e x p e r t s y s t e m t h r e e - l o o p c a s c a d e c o n tr o l s y s t e m 下 南大学r i .: 1 : 毕 业论文 第一rd 海底采矿与自 行式海底作业车 第一章海底采矿与自 行式海底作业车 1 . 1 课题 研究的意义 1 . 1 . 1 海底采矿的必然趋势 在第 几 次11 1 界大战以 后， 和平1 j 发展成为个世 界 各囚人 民共同 的 愿望， 因此， 各国人 民 都 把1 要 精 力 投 入 到了 大 力 发 展 木 国 的 经 济 建 设 中 。 从 这 个 时 期 开 始 ， 人 类 对 资 源 的 需 求 就 开始i d f l 俱增， 虽然人 们不断地在内 陆 卜 发 现和发 掘出了 大 量的资 源， 但足随着消耗的 增加， 陆 地 资 源 在 不 断 地 减 少 ， 同 时 人 们 扣 心 这 样 无 休 无比 地 发 掘 ， 将 导 致 陆 地 资 源 的 (h 乏 ， 那 样 将不仅 仅彤响了 经济建设的发 展， 而! l 将7 致生态 环境的 1 益恶化， 最终 形响人 类的生 存。 在这种情况下，人类就只好另找出路，期望能够既得到卜 富的资源， 又不会影响人 类的生存 环境。 大海就 成了 人们首选的日 标。 地球的四分之爪 都被 海水所m盖，3 h 且 大部 分都处 于原始的、没有被开发的 状态。在 大海的 深处， 科学家已 经沦 证了 确实存在有大狱的人 类急需的资源。 因此， 如何开采 这些资 1 !l 就成了各个 1 x 1 家竞 相研究的 课题。 1 9 7 1 年， 德6 4 率先把“ 瓦尔迪 维亚”号 深海n j 探船推下 海 投入 使 川。 在 这之 后不久， 其 性能更 忧越的“ 太阳” 号 又 下水投入 了使 用， 从 而开启了 人 类向 大 海进 = * 1 6 c s l i i, 的序幕。1 9 7 8 年， q m i 公司 在太平洋9 -1 威夷的东南部区5 0 0 0 米 深处 进行了 开采试验， 成功地将 1 0 0 0吨矿藏连续不断地从海底采集到了 经过改装的石汕钻井船 l 几 。 1 . 1 . 2 我国 海底采矿的现状 f - - i f, ! ， 个 会以后， 我n j 把口 标投 入到四 个现代化的建设l 来. 特别是 近年来， 随着 经济建设的高速篷勃的发展， 祖国已 经得到了 翻天位地的变化，人们的生活也日 益得到了 提 高，因 此，对资源的需求也在日益地增加。 我国是一个大陆国家，同时也 是一个海洋国 家， 虽然我们有着地大物if 9 的美誉，但是，由 于我国人 1 众多，人均占有的资源还是远远低于世 界水平 ， 些上 要的 矿藏资 源还不 得不长 期 依 赖进 。为了 解决国内资源的供需矛 后， 为了 促进经济建设的发展，同 时也为一 r 充分利用我国令 有的 1 5万平方公堆的 海域矿区， 早日 研 制出深 海探矿 采矿设 备就迫在 j i 睫。 我国政 府的有 关部门 在“ 九五”期间 提出的 海底资 源的 开发策略也是丛- 1 : 此而制定的。 1 . 1. 3自 行式海底作业车智能 控制系统 简介及 研究意义 自 行式海底作业车t ) , 能控制系统采取了 荃于路径设定和轨迹跟踪的控制方案。为保证 轨迹跟 踪的快 速性和精确性， 我们设计了 一 个三 环串 级的闭 环控制系统， 并在三 环中加入了 专 家系统、 神经网 络、模糊 控制等一系列的l i t 能控制算法， 组成了一个名副其实的智能控制 系统。 对此控制方案我们进行了详 尽的方案论证， 并利用m a t l a b软件进行了 仿真研究， 仿真结果表明，系统无论是在跟踪给定 位、 抑制扰动， 还是在响应的快速性及系统的稳定性 能等方而，控制效果均比较满意。 中南大学硕士毕业论文第一幸 海底采矿与自 行式海 底作业车 在得到仿真结果的荃础卜 ， 我们在实验室还利用模型小车进行了细致周密的模拟调试， 取得了令人满意的结果。 本课题的 研究， 为更进一 步的研究与开发 奠定了 良 好的基础，为自 行式海底作业车的 真正 实现提供了理论依据和算法证明，因此意义十分重大。 ， 2对 象 的 特 点 及 粹 制 要 求 1 . 2 . 1 被控对象的主要特点 ( 1 ) 山于海底作业车 受海底地质环境、 海流、 输送管道和电 缆线等诸多未 知 和随机因 素的影响， 使被控对象的模型具有非线性、时变性、 模糊性和不确定性。 ( 2 ) 作业地点的高 精度定位 检测比 较困难，日前只 能采用声 学定位装置 ( 声 纳) ， 定 位精度较差 ( 大于i o m ) . ( 3 ) 速度信号 和方 位信号 的检测装置，由 于防水、 耐压和壳休结构的影响， 检测精度 不可能很高。 ( 4 )山 于作 业特点及环境的限制， 运动速度不高， ( 5 ) 海底作业车在海底作业， 水深为6 0 0 m - 6 k m , 被 控 对 象 对 运 动 控 制 系 统 的 主 要 罕 求 最 大 速 度为l m / s 。 无人驾驶，自主作业。 1 . 2 . 2 ( 1 ) 作 业车沿着 指定的方 位角 做 直线运动， 其 运动的 轨迹偏 差小 于士 1 米。 ( 2 ) 作 业 车 行 走 速 度的 调 速 范 例 为o . l m / s 一i m l s 。 ( 3 ) 方 位 角 测 定 的 范 围 为 0 0 一 3 6 0 0 。 ( 4 ) 前 后 倾 角 的 测 定 范 围 为 士 2 5 0 。 ( 5 ) ls 4 ; 倾 角 的 测 定 范 围 为 1 2 5 0 。 ( 6 ) 动态 过程平稳，满足最佳过渡过程要求。 ( 7 ) 作业车特殊的作业状态的 检测与 处理。 ( 8 ) 作业车系统故障的检 测与处理。 巾 南大学硕士毕业i 文 第二章理论墓础 第二章理论基础 山 于受控对象本身 的非线性及其运动环境的 复杂性 ， 显 然， 简单的古典 拎制理论已不能 满足本课题的需要，经过反复的权衡及仿真的研究， 我们决定 采用神经网 络控制、 模糊控制、 专家控制与古典控制理论相结合的 控制策略。实践 证明，上 述控制策略满足了系统要求，并 取得了很好的控制效果。 2 . 1神 经网 络 控制 的 基本 概 念及 其 主要算法研究 2 . 1 . 1 神 经网 络的 发 展 及现 状1 1 1 13 1 人- l 神经网 络简 称神经网 络 ( n e u r a l n e t w o r k ) ， 它始于本世纪四十年代， 是由 心理学 家 w .s .m c c u li o c h 和 数 学家w .p itt s 所 提出的m - p 模1w 。 该模 41 .除联结 权不可 调 榷外， 其 他与 现 在的 9 值单 元 模型基本相同。 m - p 模型的提出 不仅具有开创意义，而且 还为以 后的研究 提供 了 依据。 1 0 年代 末 ， f r o s e n b l a tt 提出了 著 名 的 s o- k 机 ( p e r c e p t r o n 雌型， 这 是 第一 个 完 整的 人 工 神经网 络模型。 这个模型f i l 阐 值单元构成。 初步具各了诸 如并行处理、 分布存储和学习 等 神经网 络的一些 基本特征. 从而 确立了 从系统的 研究角 度 研究人 工神经网 络的基 础。 1 9 6 9 年， 美国 麻省理工 学院 著名的 人工 智能 学 者m .m in s k y 和s .p a p e r t 编写了 影 响 很大 的( p e r c e p t r o n 一 书。该 书 提出 : 单层的 感 知机只 能 用于 线 性问 题 的 求解 。 而 对于 像x o r ( 异或) 这样简单的 非线性问 题却无法求解。 他们还提出，能 求解非线性问 题的网 络应该是 具 有隐含 层的多 层神 经网 络， 而将 感知机模 犁扩展 成多层网 络模v. 是 否有意义 ， 还 不 能从理 论_ l 得 到有 力的 证明。由 于m .m in s k y 的悲 观结论. 再 加上当 时以 逻 辑 推理为 基 础的人 工智 能和数字计 算机取 得了 辉煌的成就， 从而大 大地降 低了当 时许多人 对人工神 经网络的 热情和 克 服理论障碍的勇 气。 在这以 后的十年间， 神经网络的 研究进入了一个缓 慢发 展的 低潮期。 进 入八十 年 代以 来，由 于以 逻辑推 理为 基础的人 工 智能理论 和v o n n e u m a n n 计算 机 在 处理诸 如视觉、听 觉、形 象思维、联想记忆和运动控制等智能信息处理问 题上受到了 挫折， 而光电 技术的发展为人工 神经网 络的实现提供了 物质基础。 因此， 基于以上 的原因， 使神经 网 络的 研究又引起众多学科领域学者的关注，并很快地形成了 一股热潮， 这时的人 们产生了 一个共识， 即人工 神经网 络可能 成为未来智能机良 好的模式。 从这个时期开始， 神经网 络的 应用研究就取得了 很大的 进步， 涉及的面非常广泛。 就应 用技术领域而言， 就有计 算机视觉，知识处 理，专 家系统与 人工智能。涉及的学科有神经生 理学， 认识科 学， 数、理科学，心理学， 信息科学，计算机科 学， 微电 子学， 光学和生 物电 子学等。 九十年代中 叶之后， 神经网 络的发 展从总体 上步入一个稳定 期。 在这 一时期， 神经网 络 理论继续得到国内 外专家的关注，并在实践中，尤其在互联网上，不断地得到成功运用。但 其新的理论、新的 实践却 鲜有突破。 从众多的应用领域所取得的丰硕成果来看， 人工神经网络的发展具有强大的生命力。 当 中南大学硕 卜 毕a v 沦文第二章 理论葵 础 前存在的问 题是钾能水平 还不是很高， 许多 应) 月 的要求还不能得到很好的 满足，网 络分 析与 综合的 一 l . 理沦v i: 问 题 ( 如稳 定性， 收敛性的分析，网络结构的综 合等) 还未得到很好 地解 决 。随 着人 们对 大 脑 信息处 理机 理认识 的深 化，以 及人i一 神 经网 络r + 能 水 平的 提高， 人工 神 经网络必将在科学技术领域发挥更大的作川。 针对. 1,1 前人卜 神经网 络存在的问题， 今后研究的上 要方向可分为 理论 研究和1 剑月 研究两 个方而。 在i 1!. 论研究方而有: ( 1 )利用神经t 理学和认识科学( 1 f 究 大脑思维及t i 能机理。 ( 2 ) 利川神经科学荃础 理论 的研究成果 ( 即前 一j f) i irk 果) ， 用数理方法探索智能水平更 高 的 人 工 神 经 网 络 模 型 ， 深 入 研 究 网 络 的 算 阵 4 1 1f t 能 ， 例 如 稳 定 性 、 收 敛 性 、 容 错 性 、 鲁 棒 性等: 开发新的网络数理理论， 例如神经网络动力学，非线性神经场等。 在应用领域研究方面有: ( 1 ) 经网 络软件模拟和硬件实现的 研究。 ( 2 ) 神 经 网 络 在 各 个 科 学 技 术 领 i li i i i 的 研 究 白 涉 及 的 领 域 $ kl j - , 包 括 模 式 识 别 、 信 处 理 、 知 识i一 u . 专 家 系 统 、 优 化 维 合 和 v a 能 控 制 等 。 2 . 1 . 2 2. 12 神经网 络的基本原理12 1 12 3 1 12 9 1 13 1 1 1 人工神经网络的基本概念 人 神经网 络是 川大最 简单的处 理单 元 广泛连 接组成的 复杂网 络， 是 在现代生物学 研究 人脑组织所取得的成果墓础卜 提出的， 川以 模拟人 类大脑神 经网 络结构和行为。 它的研究成 果il v 示了人i_ 神经网 络具有人 脑功能的丛本 特征: 学习、记 忆和归 纳，从而 解决了 人工智 能 研究 1 1 某些m限 性。 它不同于当前人工钊能领 域研究中普遍采用的 荃于逻辑与符号 处理的理 论 和 方 法 。 开 辟了 崭 新 的 途 径 。 它与 其 他 学 科 的 理 论 与 技 术 如 专 家 系 统 ) 的 结 合 ， 将 产 生 较 好 的 模 拟 思 维、记 忆和 学 习 这样 一 些 人 脑的 1木 功能 ; 它 的 分 布 与 并 行 处 理、 离 散 与 连 续 时间计 算 和个 局信息的 作川等 特性与光电技 术的结 合，又 1 4 解决串 行的操 作和信息存储模 式 的传统计 算机 难于解决的高 速、实时的复杂问 题。 2 . 1 . 2 . 2 人工神经网络模型 人_ 1 一 神 经网络模型山 称为神经 元的独立 处理单 元与 连接弧联结成的网 络所组成， 网 络叮 分成若千层。 输入信息的神经元组成输入层，这些神经元不具有输入连接弧;输出信息的神 经元组成输出 层， 它不 具有输出 连接弧; 其余 神经元 组成中 问层， 其神经元称为中间神经 元， ， 间 层 又 称 为 ， 问 隐 藏 层 。 图 “ 一 所 示 的 辱 一 个 典 型 的 三 层 连 接 模 型 。 x 1 , x 2 ， 一 x ， 为 输入神 经元的 输入，y , ，y 2 ，y, ， 为 输i i i 神 经元的 输出， 其余为 f l , m il 神 经 元。 2 . 1 . 2 . 3神经元结构模型 中南大学硕 t : 毕业沦文 第二章 理论基础 神 经元是神 经网络的 基本计 算单元， 一般是 多个输入， 一个输出的非线性单 元， 可 u21 u二 u之 ru7. 图 2 -1 人一 神经网络连接模型 以 有一个内 部反 馈和闲 值。 图2 - 2 是一个 完 整的 神 经元x ， 结构， 其中多 了 一 个反 映 神经元 内 部 状 态反 馈 信 息s ; x 11 一 个闽 值b , . 以 及 表 示 神 经 元 活 动 特 性的 函 数f e 通 常 神 f h .元 所 接 受 的 输 入 信 号 的 总 和 。x , 尚 不 能 反 映神 经 元 输入 和 输出 之 间 所 应 有 的 各 种 关 系 因 此， 我 们 用以下的特性函数来表示这种关系，产生一个新的输出: x , 二 ew i x ! + 、 x, = f ( x , ) 在多个神经元时， ，j = 1 , 2 , . . . , n ;( 2 -1 ) 可用矢最形式表示为 x ; = r ( w x十 s ) 其中输入x为n 维矢量， 输出 连接模型输入有n 个神经元， 用下，按闽值控制输出。 ( 2 -2 ) x 为m维 矢量， w为n x m维矩 阵， 其中 公式 ( 2 - 2 ) 意指网 络 输出 层 有川个 神 经 元， 有n 个内 部反 馈 信息 ， 在 特 性函 数 的 作 图 2 - 2神经元结构 根据输入输出 特性的不同，可用不同的 特性函 数表示。简单 的 特性函数有以下 儿种 ( i )线性特性函数 中 南大学硕士毕业论文 第二章理论墓础 x , = 1 ( x , ) 二 .k x ; 其中k为常数。 ( 2-3 ) ( 2 ) 龙 = 闭值特性函数 f ( x ; ) x ztb ; x 只 这 是最早 提出的一 种离散 型的二值函数，如图2 - 3 所示。 ( 3 ) s 型特性函数 x , = / ( x l ) = 获丁 .e , ( 2 -4 ) 这 类特性函 数常用来表示输入输出的 s型曲 线关系。反映神经元 “ 压缩” 或“ 饱和” 特 性，即把神经元定义为 具有非线性增益 特性的电子系统。 用 它来解决噪音饱和问 题。当 输入 弱 小 信号 时， 仍 要 求 产生 有 效的 输 出 信号 ， 网 络要 有高 增 益 。 但若 在 输入 10 大信 号 时 ， 仍 产 生高增益， 将放大噪音输出 或使强大信号本身引 起饱和， 又将消除任何 有效的 输出。 s型特 性m数具有中h 1 高 增益区，适应弱小信号，两端低增益区 适应1 a 大 信号的 能力。 如图 2 - 4 所示。 ( 4 )双曲正 切特性函数 戈 二f ( x , ) = t h ( x , ) ( 2 - 5 ) 此函 数常被 生物学家 用作描述生物神经元活 动的数学 模利， 如图2 一 5 所示。 f ( x ) 0 t 0 1价 x 图2 - 3阅 值 特性函 数图2 - 4 s 型逻辑 特性函数图2 - 5双曲 正切特性函数 2 . 1 . 2 . 4 网络连接模型 神经网 络是把神经元按一定的 模式进行 连接，并 通过神 经元之间的连接弧权值的大小， 反映 信号传递的强弱来组成的各种连接模型。 ( 1 )单 层连接模式 神经网络的 强大功能 是从神 经元连接为一网 络而来的。 一单 个神经元仅能完 成某些简单 的功能， 最简单的网 络的 连接模式是单层排列的一组神经元所构成。 输入 层作为 分布式输入， 它不执行神 经元 特性计算， 计算特性函散的 仅仅一 层。 输入 集的侮个神纤元 连接在 输出 集的 侮个神经元上 。 实际 用的网 络连接模式， 可能有一些连接是不存在的。 但为了 一般起见，我 南大学硕卜 毕业论 文 第二章 理论基础 们 还 是 把 v 个 连 接 均 表 示 出 来 ， 在 神 经 元x 与 y , 之 间 缺 乏 连 接 弧 时 ， 可 设 置 权 值 w o = o . . . , m 一 1 。 f 和 g j u 连 续 可 微 的 非 线 性 y+y 数 ， 对 系 统i i ， i i i . j : r - 3 r ， 对 系 统 i v , f: r. ,. a r ， i 9 g : r - a r。 对 这四个 系 统， 它 们在k + l 时刻的 输出都 取决于前n 个时 刻的 输出 ， 以 及 前 m个时刻的 输入。所以它们的阶次都为n ， 但是它们在结构上 有所不同，系 统i 对过去的输 出是线性的，系 统i i 对过去的输入是线性的，系 统川对过去的输入和输出 都是非 线性的。以 土三类系统的共同 特点是:过去的输入和过去的输出 是可分离的。而 系统w最复杂， 过去的 输入和过 去的 输出 是不 可 分离的， y ( k + 1 ) 是 过 去的n 个输出 与 过去的m个输 入的a 溅性 函数。显然，系统i v 是非 线性函数的一般表达式。前共 种可看作它的 特例，而系统i 、1 1 又 看作系统i i i 的特例。 若系统是线性的，它的输入输出描述是: y ( k + 1) = 艺 a ,y ( k 一 ) + 艺f , u ( k 一 ， )(2 - 7 ) i = 0 j = 0 上 式被 称为 线性系 统的a r m a ( a u t o r e g re s s iv e m o v i n g a v e r a g e ) 模 型。同 样的， ( 2 - 6 ) v i ， 的四种表达式o i l 作非 线性系统的n a r m a ( n o n l i n e a r a r m a ) 模型。 假设 输入u 是有界的 时间函 数，而 非 线性系 统是b i b o稳定的，那 么输出y 也是有界 中 南大学硕士毕业论文第二章 理论墓础 的 时 间 函 数 。 若 非 线 性 系 统 的 结 构已 知 如 ( 2 - 6 ) 式， 而 参 数a 和 几以 及 非 线 性 函 数f % 是 未知但时不变，则系统辨识的仟务是利用已 有的输入输出数据来训练山 神经网络构成的 模 型，使它能足够精确地通近给定的非线性系统。 2. 1 . 3. 2 图 2 -6 n a r ma 模型的参数辨识 是用 神经网 络辨识非 线性系 统的示意图。图中p 是 被辨识的 非线性系统， m是 由 神经网络构成的一 个辨识模型， d 代表系 统干扰。图巾m和p是并联的。 将输入u ( k ) 同 时 加到p 和m _l - . 测量其 输出y ( k + 1 ) 和夕 ( k + l ) ， 并利 用 误差e ( k + 1 ) 二 y ( k + 1 ) 一 夕 ( k + l ) 来修正m的参 数，以 使e ( k + 1 ) - + 0 . 此时 辨识 模型m就能 很好 地a 近非 线 性系 统p o 图 2 一 6 用神经网络辨识非线性系 统 用 神经网 络辨识非线性系 统要解决以下两个问 题: 确定辨识 模型m的结构，以 保证经过足够多 样本的 学习 之后m 确地通 近 p ， 并件) ( 有缎简单的结构形 式和鼓 少的可调 参数。 确定参数辨识的 算法，以 使学习过程尽快收敛。 本课 题应用的是 辨识神经网络的权值。 能够任意精 b p算法来 2 . 1 . 4 神 经网 络的 学习 方 法 iq 13 1 14 1 通过向 环境学习获取知识并改进自 身性能 是神经网 络控制的一个重要 特点。 在一般情况 下，性能的改善是按某种 预定的 度量通过调节自 身 参数 ( 如权值) 随时间逐步达到的。 学习 方式 ( 按环境提供信息量的多少)有以下不 种: 1 .监督学习 ( 有教师学习 如图 2 - 7 所示， 这种学习需要 外界存在 一个“ 教师， ， 可对给定 一组输入一输出 提出 应 有的输出 结果 ( 正 确答案) ，这组已 知的 输入一 输出样本称为训 练样本集， 学习系 统 ( n n ) 可根据己 知输出与实际输出之问的差值 ( 误差信号)来调节系统参数。 中南大学硕士毕业论文 第二章 理论基础 输入 图 2 一7 监督学习 2 .非监监督学习 ( 无教师学习) 如图 2 - 8 所示， 非监督 学习时不 存在外部教师， 学习系 统完全按照环境 提供数 据的某 些统计 规律来调 节自 身的结构与参数， 这是一种自 组织过 程，以 表示出 外部输入的固 有特征 ( 如-x类或某ft统计 卜 的特征) 。 不 责 几 堕 匀 薄 丽玩 图2 - 8 非监 督学习 3 .再励学习 ( 强化学习) 如图 2 - 9 所示， 这种学习介于卜 述两种 情v l 之问，外部 环境对系 统输出 结果只 给出 评价信 息 ( 奖或罚) 而不给出i1 : 确答案。学习系统通过强化那些受奖的动作来改善自 身的 性能。 环境 图2 -9 再励学习 2 . 1 . 5 2。 卜5 . bp rp b p 算法的 原理及改进19 1 11 8 1 1 b p 算法的原理 算法的主要优点是， 概念清楚，容易 理解，收 敛速度较快，因而应用比较广泛。 箕法的学习过程山正向传播和反向 传播组成。 在正向传播过程中， 输入信息从输入 中南大学硕卜 毕业论文第二章 理论纂础 层经隐含层逐层地进 行处理， 并传向 输出层， 侮-层 神经元的 状态只 影响下一 层神经元的状 态。若在 输出层不能得到 期望的 输出， 转入反向 传 播， 将误差信号 洽原来 的连接通路返回， 通过修改各层的神经元的权值，使得误差信号最小。 设 有含n 个节点的 任意b p网 络， 为简单 起见， 认为网 络只有一个输出v ， 并设 有n个 样 木 (l x k , y k / ( k = 1 ,2 , - - - , n ) . 输 入 层 神 经 元 的 输 出 与 输 入 相 同 ， 即 : 0 , = x , 。 中 间 隐 含 层和输出 层的神经儿的操 作特性为: n e t a = 工 w i, o ik 一 ) j 0 ， 二 f ( n e t a ) ( 2 - 8 ) 其 中 k 表 示 当 前 的 输 入 样 本 ， w i , 为 从 神 纤 元 i 到 神 经 元 l 的 连 接 权 值 ， 0 为 神 经 元 j 的 当 前 输 入 ， o j k 为 其 输 出 。 使 用 平 方 型 误 差 函 数 : = 2 y- (y k 一 ， *， f = ye k ( 2-9) 其中 夕 * 为网 络的 期 望 输出 ， 由 垠 速 下 降 法 知 各 层 神 经 元 的 权 系 数 的 叠 代方 程 为 : w ( k + 1 ) = w( k ) 一 77 a p 其中: ( 2 - 1 0 ) a e 二 a r k a m , = ns a k 汀即 声w= ( w; ) ( 2 -1 1 ) 则调整连接权值的增量为: a 2 了 o w i1 = _ n 于生 a w , y 定义 ( 2 一1 2 ) a r . d涪=一 a n e l i k ( 2 -1 3 ) 于是 朗，韶;a n e t , o f , 丁二 ， = 一x 一= 一x 0 ,. = 占 ,.0 ,. ta w a n e tj , a w l ; a n e l ,一 ik一 jk !k v i 此有: 2 -1 4 ) 中 南大学硕士毕业论文第二章 理论基础 a;, = - n 气o ik ( 2 - 1 5) _-s j 为 输出 节 点时， 有 o ft 心 = y k = f ( n e t j k ) = _ a k a y k= a y 7 n e t , ( 2一1 6 ) ( y * 一 y k ) f ( n e t ,k ) ( 2- 1 7) 若了 不 是输出 节点时， 有 气 =一l e k= _ a r k a o lk = _ a r k a n e t l k a o l k a n e t k a o , f ( n e t , k ) ( 2 - l 8 ) - i , o f , k 加e i ,k a n e t . ,k a 气 一 冬 a r k a n e t ,a- w mi0ikaolk 一 艺aw k . w= - 艺 s ,kw叹 2 -1 9 ) 、一恤此 动一头因 f ( n e tl k ) y , s nat - m ! 二 - 气 o l k ( 2-2 0) 也 就 是 将 所 有与 隐 含 神 经 元 相 连的 输出 端 的 误差气 ， 乘 以 对应 权 值w m 。 并 求 和， 作 为 隐 含 神 经 元i 的 输 出 误 差 ， 所以 此 过 程 称 之 为 误 差 反向 传 播。 这 样 式( 2 - 1 5 ) , ( 2 - 1 6 ) , ( 2 -1 9 ) 就构成了 推广的s学习 算法。 ii i 式 ( 2 一8 ) 式 ( 2 一1 3 )可计算得: f v . . 、 _a o ,_ _， ， l k c s l k j 一诬 二 二 -一v jik 【 一 j k v i c s 业 ( 2 -2 1 ) 因 此， 对输出 层与隐含 层节点分别有: g j4 二 ( y k 一 y k ) o ik 0 一 n jk ) s jk 二 o jk 0 一 o j k ) , s n a4 w in , ( 2 -2 2 ) ( 2 一2 3 ) 中南大学硕十 毕业论 文 第二章 理论丛础 在推广 的(5 学 习 算法中 。17 表 示 学习 速 率。17 较大时， 权 值的 修i . v.就 较大， 学习的 速 率就比 较 快， 但 有时可 能 产生 震 荡， 既 误 差总 不 能小 于某 个特 别小的 值; 而当叮 取得较 小 时， 学习 的 速 率 就 较 慢， 但一 般比 较平 稳。 因 而 在 实 际 的 应 川中 ， 开 始时 ， 77 值 就 应 取 得 较 大 ， 然后 随 着学 习 的 继 续 ，刀 值 就 慢 慢地 变小。 我 们 将 m l e , 看 作 与 某 个 输 入 值 恒 定 为， 的 节 点 的“ 连 接 ” 权 值 ， 则 它 也 可 与 其 它 连 接权值一样，由以卜 规则 进行计 算。 b p 算 法可描述为: 选定初始权值w( 0 ) ; 从训 练 样本v- 中依次 取训 练对( k 二 1 到n ) ， 把 输入向 量 用作网 络的 输入， 重复 下 述 过程直到整个训练集的误差达到精度范围 ( 即收敛) : t计 算网络 输出值y k( 前向 计 算) ; 2计算网络输出向 量与训 练对中目 标向 .a 间的 误x - 如已达到，则结束学习， 并记录 节点间 的权值; .从输出层反向计算到第一中间层，按 ( 2 -1 7 ) , ， 并 判断误 差是否已 达到精 度范围， 如未达到，则继续下一步; ( 2 -2 2 )调整网络权值，返回1 . 2 . 1 . 5 . 2 b p 算法的改进 b p 算法用于控制的主要 缺点是学习的速度 慢， 容易 陷入局部最小， 有时可能得不到 全 局最优。卞 要改进方向是如何提高训练速度， 其中网络结构和训练算法是改进b p 算法 两个 方 面， 可以 尝试的 途径有改变目 标函数、 修改作用函数、 改变搜索 方向和 步长、 改 进训练 策 略等 等。墓于此， 我 们提出 了以 下几种改进的b p 算法。 t引入动量项的步长自 适应算法。 当由 一个训练样本换成另一 个训练样本时， 一开始误差可能 较大，易引起权系数的过 调 ， 从而 加长 调整时间。 因 此在实 际应用中 ， 一般不 采用标 准的推广s算法的权值修正形式， 而 是 在 其 基 础 上 引 入 某 个 惯 性 项 来 减 少 过 调 t ， 即 如 下 式 所 示 : a w( n + 1 ) = 一 ， 凡。 二 + a ( w i; ( n ) 一 w j , ( n - 1 ) ) 二 一 r7 8 kj o j k + a a w( n ) ( 2 - 2 4 ) 这样有利于加速学习过程，其中