《基于神经网自适应控制》由会员分享，可在线阅读，更多相关《基于神经网自适应控制（10页珍藏版）》请在金锄头文库上搜索。
1、第十讲 基于神经网络的自适应控制上面的结构图中1）TDL表示时滞环节，作用是将当前的信号延迟若干步 2）神经网络Ni对非线性对象做在线辨识，作用是通过当前的输入输出数据预测下一步的系统输出。3）ei是预测误差，在控制过程中使用的训练准则是所谓的模型参考自适应控制就是确定一个输入信号，使得在 相同参考输入下，被控对象的输出Y（k）与参考模型的输出 Ym（k）之间的差保持在许可范围内。 用式子表示为自校正控制器的基本设计思想是：如果系统和模型的参数已知，那么可以用适当的设计方 法获得某一意义下的最优控制器。如果系统参数未知，可以用在线估计得到的参数来代替 系统的真实参数。系统的参数a和不未知的一阶
2、离散系统如下式 y(k+1)=ay(k)+bu(k)问题： 设计一个控制输入u(k), 使系统有期望的输出响应 y(k+1)c y(k)d r(k)分析：（1）如果系统的参数已知，则只要控制u（k）满足被控对象就能达到期望的系统响应。 （2）如果系统的参数未知，那么用通过辨识得到的系统 参数估计来代替所构成的控制为上面就是神经网络自校正控制器的设计思想，现在来考虑 一个一阶系统引入神经网络模型代替未知函数 系统输出预报为 希望在u（k）作用下，系统输出达到期望输出r（k1） 即要求加入系统的控制为 对象的输出y（k1）将依赖网络权矩阵 网络权矩阵的训练指标为 由传统的BP算法可以得到学习算法为 上面的式子收敛时，就得到自校正控制的最佳控制律
