文档介绍：第六章神经网络控制技术
神经网络基础
神经网络的结构和学习规则
典型前向网络——BP网络
典型反馈网络——Hopfield网络
应用神经网络产生模糊集的隶属函数
神经网络控制原理
神经网络在控制工程中的应用
单神经元控制的直流调速系统
神经网络是由众多简单的神经元连接而成的一个网络。是高度非线性动力学系统,可表达很多复杂的物理系统。
神经网络的下列特性对控制是至关重要的:
(1)并行分布处理
(2)非线性映射
(3)通过训练进行学习
(4)适应与集成
(5)硬件实现
神经网络基础
生物神经元结构:由细胞体、树突和轴突组成。
轴突通过轴突末梢向其它神经元传出神经冲动。
树突相当于细胞的输入端,它用于接受周围其它神经细胞传人的神经冲动。
神经冲动只能由前一级神经元的轴突末梢传向下一级神经元的树突或细胞体,不能作反方向的传递。
神经元具有两种常规工作状态:兴奋与抑制,即满足0—1律。
当传入的神经冲动使细胞膜电位升高超过阈值时,细胞进入兴奋状态,产生神经冲动并由轴突输出;当传人的神
经冲动使膜电位下降低于阈值时,细胞进入抑制状态,没有神经冲动输出。

具有两个显著的特征,一是它的突变性,二是它的饱和性,这正是为了模拟神经细胞兴奋过程所产生的神经冲动以及疲劳等特性。
神经网络的结构和学习规则
前向网络(前馈网络)
反馈网络
(前馈网络)
前向网络通常包含许多层,含有输入层、隐层和输出层的三层网络。

反馈网络从输出层到输入层有反馈,既可接收来自其它节点的反馈输入,又可包含输出引回到本身输入构成的自环反馈。