《先进控制理论及其应用 教学课件 ppt 作者 葛宝明 林飞 第9章 神经网络控制》由会员分享，可在线阅读，更多相关《先进控制理论及其应用 教学课件 ppt 作者 葛宝明 林飞 第9章 神经网络控制（55页珍藏版）》请在金锄头文库上搜索。
1、第9章 神经网络控制,9.1 神经网络理论基础 9.2 柔性神经网络 9.3 神经网络控制 9.4 基于神经网络的SRM建模与控制 9.5 恒温箱的柔性神经自校正PID控制,9.1 神经网络理论基础,1)信息处理由神经元间的相互作用实现，具有并行处理的特点。 2)知识与信息的存储表现为神经元间分布式的物理联系。 3)网络的学习决定于神经元联接权及神经元的动态演化过程。 4)具有联想记忆特性。,9.1 神经网络理论基础,9.1.1 神经元 9.1.2 Sigmoid函数 9.1.3 前馈神经网络结构 9.1.4 BP学习算法 9.1.5 几个问题,9.1.1 神经元,0901.tif,9.1.2
2、 Sigmoid函数,1. 单极性Sigmoid函数 2. 双极性Sigmoid函数,1. 单极性Sigmoid函数,0902.tif,2. 双极性Sigmoid函数,0903.tif,9.1.3 前馈神经网络结构,0904.tif,9.1.4 BP学习算法,(1)正向传播 输入信号从输入层经过隐含层传向输出层，若输出层得到了期望的输出，则学习算法结束；否则，转至反向传播。 (2)反向传播 将误差(样本输出与网络输出之差)按原联接通路反向计算，由梯度下降法调整各层神经元间的联接权值和各神经元阈值，使误差减小。,9.1.5 几个问题,1. 输入/输出节点 2. 网络层数 3. 隐含层神经元数 4
3、. 每层的映射函数 5. 初始权值与阈值的选取 6. 学习速率的选取 7. 期望误差的选取 8. 样本数据的建立,9.2 柔性神经网络,9.2.1 柔性单极性Sigmoid函数 9.2.2 柔性双极性Sigmoid函数 9.2.3 柔性Sigmoid函数的进一步演化 9.2.4 学习算法,9.2.1 柔性单极性Sigmoid函数,0905.tif,9.2.2 柔性双极性Sigmoid函数,0906.tif,9.2.3 柔性Sigmoid函数的进一步演化,0907.tif,9.2.4 学习算法,0908.tif,9.2.4 学习算法,0909.tif,9.3 神经网络控制,9.3.1 神经自校正
4、控制 9.3.2 神经PID控制器,9.3.1 神经自校正控制,1)控制器与被控对象构成的反馈回路。 2)神经网络辨识器与控制器参数设计回路，用以修改控制器参数。,2)神经网络辨识器与控制器参数设计回路，用以修改控制器参数。,0910.tif,2)神经网络辨识器与控制器参数设计回路，用以修改控制器参数。,0911.tif,2)神经网络辨识器与控制器参数设计回路，用以修改控制器参数。,0912.tif,9.3.2 神经PID控制器,1. 常规PID控制器 2. 神经网络PID控制器,1. 常规PID控制器,对于非线性、不确定、不确知对象，参数KP、KI和KD应能自适应调整，确保对象输出跟踪参考给
5、定。 应用神经网络的学习能力，可使PID参数能够自动适应对象的变化特性或克服扰动的影响，确保系统的控制性能。,2. 神经网络PID控制器,1)如果对象已知，可表达为 2)当对象输出y(k+1)与其控制u(k)的关系不知道时，y(k+1)/u(k)将无法求得，这时必须用神经网络辨识其模型，此时控制系统将具有图914所示形式，图中NNI为系统的神经网络辨识器，自适应PID控制采用神经网络控制器NNC实现。,2. 神经网络PID控制器,0913.tif,自适应PID控制采用神经网络控制器NNC实现,0914.tif,2)当对象输出y(k+1)与其控制u(k)的关系不知道时,0915.tif,9.4
6、基于神经网络的SRM建模与控制,9.4.1 SRM非线性特性建模,9.4.1 SRM非线性特性建模,该转矩模型的特性完全可以用未知非线性函数描述，只要建立了该非线性函数的网络模型，总的输出转矩即可获得。,9.4.1.1 从相电流、转子位置到相转矩的建模,1)在输出层与隐含层间，联接权值与阈值调整满足 2)在隐含层与输入层间，联接权值与阈值调整满足,9.4.1.1 从相电流、转子位置到相转矩的建模,0916.tif,2)在隐含层与输入层间，联接权值与阈值调整满足,0917.tif,9.4.1.2 从相转矩、转子位置到相电流的建模,0918.tif,9.4.1.2 从相转矩、转子位置到相电流的建模
7、,0919.tif,9.4.1.3 从相电流、转子位置到相绕组磁链的建模,0920.tif,9.4.1.4 从相绕组磁链、转子位置到相电流的建模,9.4.2 基于神经网络的SRM转矩控制,9.4.1.4 从相绕组磁链、转子位置到相电流的建模,0921.tif,9.4.1.4 从相绕组磁链、转子位置到相电流的建模,0922.tif,9.4.2.1 基于转矩分配函数的两相重叠导通换相策略,0923.tif,9.4.2.2 网络模型的校验,0924.tif,9.4.2.2 网络模型的校验,0925.tif,9.4.2.2 网络模型的校验,0926.tif,9.4.2.3 电流滞环控制系统,0927.
8、tif,9.4.2.3 电流滞环控制系统,0928.tif,9.4.2.3 电流滞环控制系统,0929.tif,9.4.2.3 电流滞环控制系统,0930.tif,9.5 恒温箱的柔性神经自校正PID控制,9.5.1 基于柔性神经网络的自校正PID控制 9.5.2 学习算法 9.5.3 仿真结果,9.5 恒温箱的柔性神经自校正PID控制,0931.tif,9.5.1 基于柔性神经网络的自校正PID控制,0932.tif,9.5.1 基于柔性神经网络的自校正PID控制,0933.tif,9.5.3 仿真结果,0934.tif,9.5.3 仿真结果,0935.tif,9.5.3 仿真结果,0936.tif,9.5.3 仿真结果,0937.tif,9.5.3 仿真结果,0938.tif,
