基于RBF网络辨识的自校正控制ppt课件

1、6.4 基于基于RBF网络辨识的自校正控制网络辨识的自校正控制 神经间接自校正控制构造如以下图所示，神经间接自校正控制构造如以下图所示，它由两个回路组成：它由两个回路组成：1自校正控制器与被控对象构成的反响回自校正控制器与被控对象构成的反响回路。路。2神经网络辩识器与控制器设计，以得到神经网络辩识器与控制器设计，以得到控制器的参数。控制器的参数。 辩识器的在线设计是自校正控制实现的关辩识器的在线设计是自校正控制实现的关键。键。图图1 1 神经网络间接自校正控制框图神经网络间接自校正控制框图自校正控制算法自校正控制算法 思索被控对象：思索被控对象：其中其中 ， 分别为对象的输入、输出，分别为对象

2、的输入、输出， 为非零函数。为非零函数。 kukykygky1uy 1)(krgku g NkrNNgku1)( g g Ng N 用于辨识的神经网络采用用于辨识的神经网络采用RBF网络实现，网络实现，网络的权值采用梯度下降法来调理。网络的权值采用梯度下降法来调理。RBFRBF网络自校正控制算法网络自校正控制算法 采用两个采用两个RBFRBF网络分别实现未知项网络分别实现未知项 、 的辨识。的辨识。RBFRBF网络辨识器的构造如图网络辨识器的构造如图2 2所示，所示， 和和 分别为两个神经网络的权值向量。分别为两个神经网络的权值向量。 g WV图图2 2 神经网络辨识器神经网络辨识器 在在RB

3、F网络构造中，取网络的输入为网络构造中，取网络的输入为 ，网络的径向基向量为网络的径向基向量为 ， 为高斯为高斯基函数：基函数： 其中其中 。 为节点为节点 的基宽度参数，的基宽度参数， ， 为为网络第网络第 个结点的中心矢量，个结点的中心矢量， ， 。 kyT1,mhhHjh )2-exp(-22jjjbkyhCmj, 1jbj0jbjCjmjcc111,CT1,mbbB两个两个RBF网络的输出分别为：网络的输出分别为： mmjjwhwhwhkNg11 mmjjvhvhvhkN11m 1 ;1 ;1mykNg y kW kNy kV ku k辨识后，对象的输出为：辨识后，对象的输出为：其中其

4、中 为为RBF网络隐层神经元的个数。网络隐层神经元的个数。网络的权向量为：网络的权向量为：T1,mwwWT1,mvvV采用梯度下降法调整网络的权值：采用梯度下降法调整网络的权值： khkykykwkEkwjmwjwj 1jvvmjjE kvky kykhk u kvk 设神经网络调整的性能目的为：设神经网络调整的性能目的为： 221kykykEm 神经网络自校正控制系统的构造如图神经网络自校正控制系统的构造如图3 3所所示。示。 神经网络权值的调整过程为：神经网络权值的调整过程为： 211kkkkkWWWWW 211kkkkkVVVVV其中其中 和和 为学习速率，为学习速率， 为动量因子。为动量因子。wv图图3 3 神经网络自校正控制框图神经网络自校正控制框图 2、仿真实例、仿真实例 被控对象为：被控对象为：其中其中 ， 。 ) 1(15)1(sin(8 . 0)(kukyky 1sin8 . 0kykyg 15kyRBF网络自校正控制程序为网络自校正控制程序为chap6_5.m本方法的局限性本方法的局