




已阅读5页,还剩21页未读, 继续免费阅读
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1,智能控制系统,天津大学电气与自动化工程学院,八,天津大学自动化学院,4.神经网络模型辨识,神经网络所具有的非线性变换特性和高度的并行运算能力为系统辨识提供了有效的途径。4.1正向建模使用多层前馈型神经网络表达系统正向的动力学模型,图4-14正向建模,天津大学自动化学院,4.神经网络模型辨识,设被辨识动态系统可由以下非线性离散时间差分方程来表示则可使用神经网络代替模型中的非线性函数。根据被辨识模型的输入和输出来调整网络的连接权值。并列型串联并列型,天津大学自动化学院,4.神经网络模型辨识,1)并列型网络结构,天津大学自动化学院,4.神经网络模型辨识,2)串联并列型网络结构,天津大学自动化学院,4.神经网络模型辨识,例:假设动态系统模型为使用辨识模型其中都采用用含有两层隐层的前向网络,网络为单输入单输出,隐层节点分别取20和10。使用BP算法,学习速率0.2。,天津大学自动化学院,4.神经网络模型辨识,4.2逆模型使用多层前馈型神经网络表达系统反向的动力学模型。假定非线性函数f可逆,动态系统逆模型可写为由于y(k+1)未知,改写为,天津大学自动化学院,4.神经网络模型辨识,使用神经网络逆建模,实际上就是学习未知非线性函数f网络输入为输出为可采用如下形式:1)直接逆模型建模,态,天津大学自动化学院,4.神经网络模型辨识,2)正逆模型建模,天津大学自动化学院,5.神经网络控制,5.1神经控制的基本思想在传统的控制系统中用以动态系统建模,充当对象模型;在反馈控制系统中直接充当控制器的作用;在传统控制系统中起优化计算作用;与其他智能控制方法如模糊逻辑、遗传算法、专家控制等相融合。,天津大学自动化学院,5.神经网络控制,直接神经网络控制:求逆模型,反馈控制与神经控制,天津大学自动化学院,5.神经网络控制,5.2神经控制PID控制BP神经网络具有逼近任意非线性函数的能力,而且结构和学习算法简单明确。通过神经网络自身的学习,可以找到某一最优控制律下的P,I,D参数。,图3-17神经控制PID控制,天津大学自动化学院,5.神经网络控制,控制结构主要包括以下部分:经典的PID控制器:直接对被控对象进行闭环控制。KP,KI,KD三个参数在线整定;神经网络NN:根据系统的运行状态,调节PID控制器的参数,以期达到某种性能指标的最优化。即使输出层神经元的输出状态对应于PID控制器的三个可调参数KP,KI,KD,通过神经网络的自学习、调整权系数,从而使其稳定状态对应于某种最优控制律下的PID控制器参数。,天津大学自动化学院,5.神经网络控制,增量式数字PID的算法为:将PID参数看做依赖系统运行参数的可调系数时,可写为使用BP网络来模拟这一非线性函数。,天津大学自动化学院,5.神经网络控制,采用三层BP网络进行逼近输入量:e(k),e(k-1),e(k-2),,e(k-M+1),输出量:KP,KI,KD,天津大学自动化学院,5.神经网络控制,神经网络的前向计算,天津大学自动化学院,5.神经网络控制,学习过程定义性能指标:权值的更新方法:,天津大学自动化学院,5.神经网络控制,天津大学自动化学院,5.神经网络控制,算法1).事先选定BP神经网络NN的结构,即选定输入层节点数M和隐含层节点数Q,并给出权系数的初值wij(0),wli(0),选定学习速率和平滑因子,k=1;2).采样得到r(k)和y(k),计算e(k)=z(k)=r(k)-y(k);3).对r(i),y(i),u(i-1),e(i)进行归一化处理,作为NN的输入;4).前向计算NN的各层神经元的输入和输出,NN输出层的输出即为PID控制器的三个可调参数KP(k),KI(k),KD(k);,天津大学自动化学院,5.神经网络控制,5).计算PID控制器的控制输出u(k),参与控制和计算;6).计算修正输出层的权系数wli(k);7).计算修正隐含层的权系数wij(k);8).置k=k+1,返回到“2)”。,天津大学自动化学院,5.神经网络控制,5).计算PID控制器的控制输出u(k),参与控制和计算;6).计算修正输出层的权系数wli(k);7).计算修正隐含层的权系数wij(k);8).置k=k+1,返回到“2)”。,22,5.3改进型BP神经网络控制参数自学习PID控制,将神经网络用于控制器的设计或直接学习计算控制器的输出(控制量),一般都要用到系统的预测输出值或其变化量来计算权系数的修正量。但实际上,系统的预测输出值是不易直接测得的,通常的做法是建立被控对象的预测数学模型,用该模型所计算的预测输出来取代预测处的实测值,以提高控制效果。,23,1采用线性预测模型的BP神经网络PID控制器,24,采用线性预测模型的BP神经网络PID控制系统算法归纳如下:1).事先选定BP神经网络NN的结构,即选定输入层节点数M和隐含层节点数Q,并给出权系数的初值w(2)ij(0),w(3)li(0),选定学习速率和平滑因子,k=1;2).用线性系统辨识法估计出参数矢量(k),从而形成一步预报模型式;3).采样得到r(k)和y(k),计算e(k)=z(k)=r(k)-y(k);4).对r(i),y(i),u(i-1),e(i)进行归一化处理,作为NN的输入;5).前向计算NN的各层神经元的输入和输出,NN输出层的输出即为PID控制器的三个可调参数KP(k),KI(k),KD(k);6).计算PID控制器的控制输出u(k),参与控制和计算;7).计算和;8).计算修正输出层的权系数w(3)li(k);9).计算修正隐含层的权系数w(2)ij(k);10).置k=k+1,返回到“2)”。,25,采用非线性预测模型的BP神经网络PID控制器,26,基于BP神经网络的PID控制算法可归纳如下:1).事先选定BP神经网络NN的结构,即选定输入层节点数M和隐含层节点数Q,并给出权系数的初值w(2)ij(0),w(3)li(0),选定学习速率和平滑因子,k=1;2).采样得到r(k)和y(k),计算e(k)=z(k)=r(k)-y(k);3).对r(i),y(i),u(i-1),e(i)进行归一化处理,作为NN的输入;4).前向计算NN的各层神经元的输入和输出,NN输出层的输出即为PID控制器的三个可调参数KP(k),KI(k),KD(k);5).计算PID控制器的
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 药师资格考试题型及答案
- 民商银行招聘考试题库及答案
- 初一地理考试内容及答案
- 湖北春季高考试题及答案
- 难点详解人教版八年级上册物理声现象《声音的产生与传播》同步测试试卷(含答案详解版)
- 机械四级考试题库及答案
- 期中考试七上数学试卷及答案
- 全世界十级语文考试题目及答案
- 银行相关业务知识判断题及答案解析
- 2025年病案信息技术(医学高级)考试近5年真题集锦(频考类试题)带答案
- 医院培训课件:《输液泵》
- 量子通信金融应用研究报告
- DBJ51-T 184-2021 四川省预成孔植桩技术标准
- 科技创新园区租赁合同样本
- 2024建筑工程数字化交付技术标准
- 经济职业技术学院教务教学管理制度汇编(2024年)
- 部队安全保密教育
- 神话故事民间故事《钟馗捉鬼》绘本课件
- 2024-2025华为ICT大赛(实践赛)-网络赛道理论考试题库大全-中(多选题)
- 部编人教版一年级上册道德与法治全册教案
- 国家安全教育高教-第六章坚持以经济安全为基础
评论
0/150
提交评论