MATLAB神经网络应用设计 (17)

1、17 神经网络控制理论及应用神经网络控制理论及应用 本章要点本章要点 神经网络控制结构 反馈线性化控制及其实现 神经网络模型预测控制17.1 神经网络控制结构 神经网络监督控制 17.1 神经网络控制结构 神经网络直接逆控制17.1 神经网络控制结构 神经网络自适应控制神经网络模型参考自适应控制方案17.1 神经网络控制结构神经网络自校正控制方案17.1 神经网络控制结构 神经网络内模控制17.1 神经网络控制结构 神经网络预测控制 神经网络的训练 预测控制方案 17.1 神经网络控制结构 神经网络自适应评判控制 17.2 反馈线性化控制及其MATLAB实现 反馈线性化控制原理 反馈线性化方法

2、的基本思想是先用将一个非线性系统的动态特性变换成线性的动态特性，再用熟知的线性控制理论进行设计。反馈线性化控制又称为NARMA-L2控制器。 反馈线性化控制首先要辨识被控制对象。通过训练一个神经网络来映射被控对象的前向动力学特性。 17.2 反馈线性化控制及其MATLAB实现NARMA-L2辨识模型结构17.2 反馈线性化控制及其MATLAB实现NARMA-L2控制器结构 17.2 反馈线性化控制及其MATLAB实现 反馈线性化控制实例 该系统的动力学方程如下： 为磁铁与电磁铁之间的距离，为电流， 为磁铁的质量， 为粘性摩擦系数， 为场强常数， 222( )( )( )( )d y taitd

3、y tgMy tMdtdt ( )y t( )i tM控制目标为：通过控制电磁铁所通过电流的大小，来控制其与磁铁之间的作用力，使得磁铁能够悬浮于空中，不会掉下来。 17.2 反馈线性化控制及其MATLAB实现1. 建立模型 这是神经网络工具箱中提供的一个实例，在Matlab工作空间中输入narmamaglev，将会自动调用Simulink，弹出包含NARMA-L2控制模块的窗口 17.2 反馈线性化控制及其MATLAB实现2. 系统辨识 双击NARMA-L2模块，将会弹出一个“NARMA-L2”模型辨识窗口： 17.2 反馈线性化控制及其MATLAB实现单击“Generate Training

4、 Data”按钮，就会产生训练数据 17.2 反馈线性化控制及其MATLAB实现 单击“Accept data”，接收刚才产生的训练数据，然后在“Plant Identification”窗口中可选择训练算法，如trainlm， 单击“Train Network”，则网络开始训练。训练结束后，相应的结果将显示出来 训练数据 测试数据验证数据17.2 反馈线性化控制及其MATLAB实现3. 系统仿真 在“Plant Identification” 窗口中单击“OK”按钮，则训练好的神经网络模型将会被导入到NARMA-L2控制器模块中。 返回到“narmamaglev”模型窗口，开始进行仿真。待仿

5、真结束后，将会显示出系统参考信号以及系统实际输出信号曲线。17.3 神经网络模型预测控制 神经网络模型预测控制原理 神经网络模型预测控制是使用非线性神经网络模型来预测未来模型性能。控制器计算控制输入，而控制输入在未来一段指定的时间内将最优化模型性能。模型预测第一步是要建立神经网络模型（系统辨识）；第二步是使用控制器来预测未来神经网络性能。17.3 神经网络模型预测控制1系统辨识 模型预测的第一步就是训练神经网络未来表示网络的动态机制。模型输出与神经网络输出之间的预测误差，用来作为神经网络的训练信号。如下图： 17.3 神经网络模型预测控制TDLLW1.1b1TDLLW1.2+LW2.1b2+y

6、(k)u(k)1S11(1 )mky输 输入 入第 第一 一层 层第 第二 二层 层 神经网络模型利用当前输入和输出预测神经网络未来输出值。神经网络模型结构如下图所示。该网络可以采用批量在线训练。17.3 神经网络模型预测控制模型预测 模型预测方法是水平后退的方法，神经网络模型预测在指定时间内预测模型响应。预测是用数字最优化程序来确定控制信号，通过最优化如下的性能准则函数，即：21221()()( (1)(2)uNNdmNjJykjykju kju kj17.3 神经网络模型预测控制 下图为模型预测控制的过程。控制器由神经网络模型和最优化方块组成，最优化模块确定 （通过最小化 ）,最优 值作为

7、神经网络模型的输入。uJu17.3 神经网络模型预测控制 神经网络模型预测控制实例分析该系统的动力学方程如下：121121222( )( )( )0.2( )( )( )( )( )( )( )( )( )( )( )(1( )bbbbbbbdh ttth tdtdC tk C tttCtC tCtC tdth th tk C t 为液面高度， 为产品输出浓度， 为浓缩液 的流速， 为稀释液 的输入流速， 为浓缩液的输入浓度， 为稀释液的输入浓度，设定 ， ， 为消耗常量， ，液面高度不受控。( )h t( )bC t1( ) t1bC2( ) t2bC1bC2bC124.9bC20.1bC1

8、21kk1( )0.1t控制目标为：通过调节流速来保证产品浓度。17.3 神经网络模型预测控制1建立模型 在Matlab工作空间中输入predcstr，将会自动调用Simulink，弹出“predcstr”窗口： 17.3 神经网络模型预测控制 双击NN Predictive Controller模块，将会弹出一个窗口，如下图。在该窗口中可以进行模型预测控制器的设计。17.3 神经网络模型预测控制2系统辨识单击击“NN Predictive Controller”窗口中的“Plant Identification”按钮，将会弹出一个模型辨识窗口 17.3 神经网络模型预测控制单击“Generate Training Data”按钮，就会产生训练数据： 17.3 神经网络模型预测控制 单击“Accept data”，接收刚才产生的训练数据，然后在“Plant Identification” 窗口中可选择训练算法，如trainlm，单击“Train Network”，则网络开始训练。训练结束后，相应的结果将显示出来 训练数据 验证数据17.3 神经网络模型预测控制4系统仿真 在“Plant Identification” 窗口中单击“OK”按钮，则训练好的神经网络模型将会被导入到NN Predictive Controller模块中。 在“NN