文档介绍：
文档名
(2) 神经网络直接逆控制
将对象的神经网络逆模型直接与被控对象串联起来，使期望输出与对象实际输出之间的传递函数为1。
缺点：无反馈，用作控制器的神经网络逆模型不准确时，抗干扰的有效途径：进行多次仿真实验。
输入信号的选择
时域上，要求输入信号持续加在系统对象上，以便在辨识时间内充分激励系统的所有模态、反映系统对象的完整动态过程。(这里的输入信号是加在系统上的信号，也将构成神经网络的输入或输出信号)
频域上，要求输入信号的频谱覆盖系统的频谱。
等价准则的选择
等价意味着按照某种误差评价准则，使确定的神经网络模型最好地拟合所关心的被辨识系统的静态或动态特性。
系统 P
+
-
系统 P
+
-
系统 P
+
-
用什么类型的神经网络建模？
对于静态系统，其输入输出间只是某种非线性映射关系，因此可以直接利用前向神经网络进行建模。
对于动态系统，可利用动态神经网络建模，也可利用静态前向神经网络进行建模。一般而言，后者更便于分析，但需要将动态系统的神经网络建模转化为静态系统的神经网络的建模。
神经网络辨识的特点(与传统辨识方法相比)
神经网络本身作为一种辨识模型，其可调参数反映在网络内部的极值上，无需建立实际系统的辨识格式。
借助网络外部的输入/输出数据拟合系统的输入/输出关系，可对本质非线性系统进行辨识。(网络内部隐含着系统的特性)
辨识的收敛速度不依赖于被辨识系统的维数，只与神经网络本身所采用的学****算法有关。
神经网络具有大量的连接，连接权值构成神经网络模型的参数，通过调节这些权值使网络输出逼近系统输出。
神经网络作为实际系统的辨识模型，构成系统的一个物理实现，可用于在线控制。
非线性静态系统的神经网络辨识
非线性动态系统的神经网络辨识
动态系统神经网络辨识的两类网络导致两种辨识模型：
神经网络辨识模型
神经网络辨识模型
模型③的动态系统
+
-
+
+
TDL
TDL
…
选取具体结构为1-6-2-1型，则利用上面的学****算法可得到仿真结果为
若使用一个神经网络，结构为2-20-10-1型，仿真结果为
150次迭代，
300次迭代，
神经网络控制的学****机制
神经网络控制器的特殊性：
控制器的样本信息通常无法预先知道(如：控制器的期望输出通常是系统的最佳控制量，一般无法通过测量获得)。
解决控制器的学****问题是关键。
神经网络控制器的学****br/>就是寻找一种有效的途径进行网络连接权阵或网络结构的修改，从而使得网络控制器输出的控制信号能够保证系统输出跟随系统的期望输出。
神经网络控制器的学****类别
(1) 监督式学****有导师指导下的控制网络学****br/>外界提供适当形式的导师信号，学****系统根据导师信号与相对应的实际输出量之差调节网络参数。
离线学****法
在线学****法
反馈误差学****法
多网络学****法
(2) 增强式学****通过某一评价函数指定下的学****br/>无导师信号，按照环境所提供数据的某些规则或适当的评价函数调节网络参数。
(2) 再励学****强化学****br/>介于上述两种情况之间，外部环境只对输出结果给出评价，而不给出具体答案，学****系统通过强化那些受奖励的动作来改善自身的性能。
离线学****br/>对一批实现给定的系统输入输出样本数据进行离线学****建立系统的一个逆模型，然后用此逆模型进行在线控制。
非线性系统
神经网络控制器
离线学****建模)
在线控制
适合静态环境
非线性系统
神经网络逆模型
+
-
非线性系统
+
-
固定增益控制器
非线性系统
+
+
+
-
前向建模多神经网络学****br/>非线性系统
+
-
+
-
非线性系统
+
-
逆向建模多神经网络学****br/> 神经网络控制器的设计
直接逆模型神经网络控制器的设计
直接神经网络控制器的设计
多神经网络自学****控制器的设计
直接逆模型神经网络控制器的设计
神经网络逆
模型辨识
…
…
对 象
建立逆模型时神经网络的训练示意图
神经网络