文档介绍：第9章神经网络控制
概述
神经网络
一种具有高度非线性的连续时间动力系统,它有着很强的自学****功能和对非线性系统的强大映射能力,已广泛应用于复杂对象的控制中
神经网络所具有的大规模并行性、冗余性、容错性、本质的非线性及自组织、自学****自适应能力,给不断面临挑战的控制理论带来生机
神经网络
控制
处理那些难以用模型或规则描述的对象
采用并行分布式信息处理方式,
具有很强的容错性
本质上是非线性系统,
可以实现任意非线性映射
具有很强的信息综合能力,能够同时处理大量不
同类型的输入,能够很好地解决输入信息之
间的互补性和冗余性问题
硬件实现愈趋方便,大规模集成电路技术的发展
为神经网络的硬件实现提供了技术手段
神经网络控制在理论和实践上,研究的重点有:
(1) 神经网络的稳定性与收敛性问题;
(2) 神经网络控制系统的稳定性与收敛性问题;
(3) 神经网络学****算法的实时性;
(4) 神经网络控制器和辨识器的模型和结构;
根据神经网络在控制器中的作用不同,神经网络控制器可分为两类
神经控制,它是以神经网络为基础而形成的独立智能控制系统
混合神经网络控制,它是指利用神经网络学****和优化能力来改善传统控制的智能控制方法,如自适应神经网络控制等
神经网络控制结构
神经网络监督控制
  通过对传统控制器进行学****然后用神经网络控制器逐渐取代传统控制器的方法,称为神经网络监督控制。神经网络监督控制的结构如图9-1所示。
图9-1 神经网络监督控制
神经网络直接逆动态控制
神经网络直接逆控制就是将被控对象的神经网络逆模型直接与被控对象串联起来,以便使期望输出与对象实际输出之间的传递函数为1。则将此网络作为前馈控制器后,被控对象的输出为期望输出。
显然,神经网络直接逆控制的可用性在相当程度上取决于逆模型的准确精度。由于缺乏反馈,简单连接的直接逆控制缺乏鲁棒性。为此,一般应使其具有在线学****能力,即作为逆模型的神经网络连接权能够在线调整。
图9-2为神经网络直接逆控制的两种结构方案。在图9-2(a)中,NN1和NN2为具有完全相同的网络结构,并采用相同的学****算法,分别实现对象的逆。在图9-2(b)中,神经网络NN通过评价函数进行学****实现对象的逆控制。
(a)