ch3-神经网络1——课件学习

1、第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术StructureTypes ofDecision RegionsExclusive-ORProblemClasses withMeshed regionsMost GeneralRegion ShapesSingle-LayerTwo-LayerThree-LayerHalf PlaneBounded ByHyperplaneConvex OpenOrClosed RegionsAbitrary(ComplexityLimited by No.of Node

2、s)AABBAABBAABBBABABA第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术36nSimpson（1987年） -简洁的图示定义第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术35InputsWeightsOutputBias13p2p1pfa3w2w1wbwpfbwpwpwpfaii332211Neural computing requires a number of neurons, to be connected together into a neural netwo

3、rk. Neurons are arranged in layers.第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术35n8个组成要素个组成要素(Rumellhart，McClelland，Hinton提出的提出的PDP框架框架)-完整的定义一组处理单元一组处理单元 (PE或或AN)；处理单元的激活状态处理单元的激活状态 (ai)；每个处理单元的输出函数每个处理单元的输出函数 (fi)；处理单元之间的联接模式；处理单元之间的联接模式；传递规则传递规则 (wijoi)；把处理单元的输入及当前状态结合起来产生激活值的激活规则把处理单元的输入及当前状态结合起来产生激活值的激活规

4、则 (Fi)；通过经验修改联接强度的学习规则；通过经验修改联接强度的学习规则；系统运行的环境系统运行的环境 (样本集合样本集合)。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术35n8要素构成图示要素构成图示第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术l人工神经网络可以根据所在的环境去改变它的人工神经网络可以根据所在的环境去改变它的行为，用户不需要再根据所遇到的样本集合去对行为，用户不需要再根据所遇到的样本集合去对网络的学习算法做相应的调整网络的学习算法做相应的调整l异相联的网络：它在接受样本集合异相联的网络：它在接受样本集合A时，可以时，可以抽取

5、集合抽取集合A中输入数据与输出数据之间的映射关中输入数据与输出数据之间的映射关系系 “抽象抽象”功能功能l不同的人工神经网络模型，有不同的学习不同的人工神经网络模型，有不同的学习/训练训练算法算法第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术运算的运算的不精确性不精确性对输入的对输入的微小变化微小变化不反应不反应去噪声去噪声容残缺容残缺模式识别模式识别模式的模式的自动分类自动分类第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术信息的分布存放提供容错功能信息的分布存放提供容错功能 由于信息被分布存放在几乎整个网络中，所由于信息被分布存放在几乎整个网络中，

6、所以，当其中的某一个点或者某几个点被破坏时，以，当其中的某一个点或者某几个点被破坏时，信息仍然可以被存取。信息仍然可以被存取。系统在受到系统在受到局部局部损伤时还可以正常工作。损伤时还可以正常工作。并不是说可以任意地对完成学习的网络进行修改。并不是说可以任意地对完成学习的网络进行修改。也正是由于信息的分布存放，对一类网络来说，也正是由于信息的分布存放，对一类网络来说，当它完成学习后，如果再让它学习新的东西，这当它完成学习后，如果再让它学习新的东西，这时就会破坏原来已学会的东西。时就会破坏原来已学会的东西。（BP网络）网络）第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 擅

7、长两个方面：擅长两个方面： 对大量的数据进行分类，并且只有较少的对大量的数据进行分类，并且只有较少的几种情况；几种情况； 必须学习一个复杂的非线性映射。必须学习一个复杂的非线性映射。 目前应用：目前应用： 语音、视觉、知识处理、辅助决策等语音、视觉、知识处理、辅助决策等 数据压缩、模式匹配、数据压缩、模式匹配、系统建模系统建模、模糊控、模糊控制、求组合优化问题的最佳解的近似解（不是最制、求组合优化问题的最佳解的近似解（不是最佳近似解）佳近似解）第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 如同大脑一样，神经网络的基本单元也称为神经元或如同大脑一样，神经网络的基本单元也称

8、为神经元或人工神经元或处理单元。可认为处理单元是一种类似的最人工神经元或处理单元。可认为处理单元是一种类似的最基本的生物神经元，它能完成基本的生物神经元，它能完成生物神经元最基本的三种处生物神经元最基本的三种处理过程理过程： (1) 评价输入信号，决定每个输入信号的强度。评价输入信号，决定每个输入信号的强度。 (2) 计算所有输入信号的权重之和，并与处理单元计算所有输入信号的权重之和，并与处理单元的阈值进行比较。的阈值进行比较。 (3) 决定处理单元的输出。决定处理单元的输出。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 阈值阈值由传递函数来确定。传递函数一般是非线由传

9、递函数来确定。传递函数一般是非线性的，有时也采用线性函数。性的，有时也采用线性函数。 将处理单元排成一列，形成一个处理单元层，将处理单元排成一列，形成一个处理单元层，若将几层连接在一起，接受输入的层称为若将几层连接在一起，接受输入的层称为输入层输入层，给出输出信号的层称为给出输出信号的层称为输出层输出层，其他层为，其他层为中间层或中间层或隐含层隐含层，这些层在神经网络中类似于黑箱。，这些层在神经网络中类似于黑箱。 若没有一个处理单元的输出与本层或前一层的若没有一个处理单元的输出与本层或前一层的处理单元相连接，则这种网络称为处理单元相连接，则这种网络称为正反馈网络正反馈网络；反；反之，若输出可直

10、接返回同层或前一层处理单元的输之，若输出可直接返回同层或前一层处理单元的输入，则这种网络称为入，则这种网络称为负反馈网络负反馈网络。具有闭环的负反。具有闭环的负反馈网络又称为循环系统。馈网络又称为循环系统。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 编制神经网络程序，主要是编制神经网络程序，主要是确定传递函数确定传递函数（即（即决定值的方程）、决定值的方程）、训练规划训练规划（即设置初始权重的规（即设置初始权重的规则及修改权重的方程）则及修改权重的方程）以及网络的结构以及网络的结构（即处理单（即处理单元数、层数及相互连接状况）。元数、层数及相互连接状况）。 在网络中，

11、信息不像普通计算机储存在单一的在网络中，信息不像普通计算机储存在单一的内存区，而是储存在整个系统中，这种结构使网络内存区，而是储存在整个系统中，这种结构使网络更具有适应性，如果遗失某些处理单元，则仍可不更具有适应性，如果遗失某些处理单元，则仍可不丢失存在那儿的信息。这种储存信息的方式是新一丢失存在那儿的信息。这种储存信息的方式是新一代信息处理方式的代表。代信息处理方式的代表。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术M-P模型结构如图模型结构如图1所示，其所示，其响应函数为响应函数为阶跃函数。阶跃函数。 图图1 MP模型结构模型结构f第第3章章 计算机控制系统的先进控

12、制技术计算机控制系统的先进控制技术设神经元的一组输入用向量表示为设神经元的一组输入用向量表示为X=(x1，x2，xn)其相应权值为其相应权值为W=(w1，w2，wn)神经元的神经元的阈值为阈值为，输出为，输出为y，则，则其中：其中：1()niiiyw xf10( )00 xxfx第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 对于大脑神经网络来说，完成不同功能的网对于大脑神经网络来说，完成不同功能的网络区域都具有各自的学习规则，也就是网络连接络区域都具有各自的学习规则，也就是网络连接权的调整规则。这些完整和巧妙的学习规则是大权的调整规则。这些完整和巧妙的学习规则是大脑在进

13、化学习阶段获得的。脑在进化学习阶段获得的。比如比如，日常生活中的，日常生活中的表扬，批评。表扬，批评。 这些规则运用到神经网络的学习中，就成为这些规则运用到神经网络的学习中，就成为网络的学习规则。网络的学习规则。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 神经网络是由许多相互连接的处理单元组成的。每一神经网络是由许多相互连接的处理单元组成的。每一个处理单元有许多输入量个处理单元有许多输入量xi，而对每一个输入量都相应有一，而对每一个输入量都相应有一个相关联的个相关联的权重权重wi (变量，需要动态调整变量，需要动态调整)。处理单元将经过处理单元将经过权重的输入量权重的

14、输入量xiwi相加相加(权重和权重和)，计算出唯一的输出量，计算出唯一的输出量yi。这个输出量是这个输出量是权重和的函数权重和的函数 f (传递函数传递函数)。y1y2ynx1x2xnw1w2wnI | f图图2 处理单元模型处理单元模型( )iiiIwxyIf图中：图中： 第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术activation function第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术连接权连接权：

15、wkj，j=1，p对应于生物神经元的突触对应于生物神经元的突触表示各个神经元之间的连接强度表示各个神经元之间的连接强度权值为正：激活权值为正：激活权值为负：抑制权值为负：抑制求和单元求和单元：求取各输入信号的求取各输入信号的加权和（线性组合）加权和（线性组合）第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术激活函数激活函数：f ()非线性映射非线性映射&限幅限幅1net()pkkjjjkkkkkkkkuw xvuubyf v 第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术0()pkkjjjkkuw xyf u第第3章章 计算机控制系统的先进控制

16、技术计算机控制系统的先进控制技术0()pkkjjjkkuw xyf u第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术阶跃函数阶跃函数（linear function）10( )10 xyf xx-2-1012-1-0.500.51第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术分段线性函数分段线性函数(ramp function)111( )(1)11210 xyf xxxx-2-1012-1-0.500.51第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术Sigmoid型函数：型函数：logsig(n)（最常用）（最常用）1( )

17、1axf xe-5-4-3-2-101234500.10.20.30.40.50.60.70.80.91非线性非线性处处可导处处可导有较好的增益控制有较好的增益控制第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术Sigmoid型函数：型函数：tansig(n)（最常用）（最常用）1( )1axaxef xe-5-4-3-2-1012345-1-0.8-0.6-0.4-0.200.20.40.60.81第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术

18、计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术x1x2xny1y2yn图图2 阶层型人工神经网络结构阶层型人工神经网络结构图图3 全互连接型人工神经网络结构全互连接型人工神经网络结构第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术取所有的权构成权矩阵取所有的权构成权矩阵 W=(wij)输出层的第输出层的第j个神经元的网络输入记为个神经元的网络输入记为netj netj=x1 w1j+x2 w

19、2j+xn wnj (1j m) NET=(net1, net2, netm)即即 NET=XW输出：输出：O=F(NET)=F(XW)第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术输入层输入层隐藏层隐藏层输出层输出层第第0层层第第1层层第第j-1层层第第j层层(最大层最大层)第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的

20、先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术有监督学习（有教师学习）有监督学习（有教师学习）无监督学习（无教师学习）无监督学习（无教师学习）强化学习（再励学习）强化学习（再励学习）第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术已知输入已知输入/输出数据作为训练样本集。输出数据作为训练样本集。根据已知输出与实际输出之间的插值（误差信号）来调节根据已知输出与实际输出之间的插值（误差信号）来调节系统参数。系统参数。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术只根据网络的输入调整网络的权值和阈

21、值，没有目标输出。只根据网络的输入调整网络的权值和阈值，没有目标输出。学习系统完全按照环境所提供数据的某些统计规律来调节自学习系统完全按照环境所提供数据的某些统计规律来调节自身参数或结构。身参数或结构。自组织过程，以表示外部输入的某种固有特性（聚类特性，自组织过程，以表示外部输入的某种固有特性（聚类特性，分布特性）。分布特性）。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术外部环境对系统输出结果只给出评价（奖罚，分级等）。外部环境对系统输出结果只给出评价（奖罚，分级等）。学习系统通过强化受奖励的动作来改善自身性能。学习系统通过强化受奖励的动作来改善自身性能。第第3章章 计

22、算机控制系统的先进控制技术计算机控制系统的先进控制技术& 学习规则学习规则（误差纠正规则）（误差纠正规则）& Hebb学习规则学习规则& 竞争（竞争（Competitive）学习）学习lKohonen规则规则lInstar规则规则lOutstar规则规则第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术yi(k)x(k)ikti(k)ei(k) = ti(k)- yi(k)ei(k)第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术221111( )( )()22NNiiiiiEeyEJ w kt第第3章章 计算机控制系统的先进控制技

23、术计算机控制系统的先进控制技术01 ( ) f ( )(net)( )iikfe k ( )()( )( )( )WxWxiiiiijjwkefwkkkx 第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术InputDesiredOutputThe delta rule is often utilized by the most common class of ANNs called back propagational neural networks.第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 Backpropagation performs a

24、gradient descent within the solutions vector space towards a global minimum. The error surface itself is a hyperparaboloid but is seldom smooth as is depicted in the graphic below. Indeed, in most problems, the solution space is quite irregular with numerous pits and hills which may cause the networ

25、k to settle down in a local minimum which is not the best overall solution.第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术Training dataValidation dataTest data第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术( )( ),( )ijijw kF y kx k( )( )( )ijijw ky kx k 第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术(),

26、if neuron wins( )0, if neuron losesjijijxwjwkj (), if neuron wins( )0,if neuron losesijijijy xwjwkj ()/, if neuron wins( )0,if neuron losesiijjijywxjwkj 第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术处理问题：处理问题：环境非平稳（统计特征随时间变化）。环境非平稳（统计特征随时间变化）。若新息若新息e(k)=0，则不修正模则不修正模型参数。型参数。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章

27、章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 神经网络控制的研究始于神经网络控制的研究始于20世纪世纪60年代。年代。1960年年，Widrow和和Hoff首先把神经网络用于控制系统。首先把神经网络用于控制系统。Kilmer和和McCulloch提出了提出了KMB神经网络模型，并在神经网络模型，并在“阿波罗阿波罗”登月计划中应用取得良好的效果。登月计划中应用取得良好的效果。1964年年，Widrow等用等用神经网络对小车倒立摆系统控制取得了成功。神经网络对小车倒立摆系统控制取得了成功。70年代年代神经神经网络研

28、究处于低谷，所以神经网络控制没有再发展。在网络研究处于低谷，所以神经网络控制没有再发展。在80年代后期年代后期开始，神经网络控制随着形势发展至重受到重开始，神经网络控制随着形势发展至重受到重视但大多数集中在自适应控制方法上。目前，正朝智能视但大多数集中在自适应控制方法上。目前，正朝智能控制深度的方向发展。控制深度的方向发展。 神经网络控制可以分为神经网络控制可以分为监视控制，逆控制，神经适应监视控制，逆控制，神经适应控制，实用反向传播控制和适应评价控制控制，实用反向传播控制和适应评价控制等。等。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 在智能控制系统中，最重要的有在

29、智能控制系统中，最重要的有两点两点。一点一点是和知是和知识基有关的推理机型，识基有关的推理机型，另另点点是随环境变化的适应能力。是随环境变化的适应能力。一般而言，推理是以符号为元素执行的。而客观世界中一般而言，推理是以符号为元素执行的。而客观世界中的信号是数值，为了理解过程的状态，需要实施数值数的信号是数值，为了理解过程的状态，需要实施数值数据到符号数据的映射，这就要把数值数据进行分类。据到符号数据的映射，这就要把数值数据进行分类。 另外，对过程的控制需要自适应控制器。神经网络另外，对过程的控制需要自适应控制器。神经网络的分类功能和学习能力使到它可以有效地用于智能控制的分类功能和学习能力使到它

30、可以有效地用于智能控制系统。系统。 神经网络用于控制系统是神经网络用于控制系统是“物尽其用物尽其用”的必然结果。的必然结果。目前，神经网络在各种控制系统的应用及典型例子如表目前，神经网络在各种控制系统的应用及典型例子如表1所示。所示。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术控制方法控制方法神经网络神经网络典型例子典型例子自适应线性控制自适应线性控制Hopfield Chi等(1990) Zak(1990)ARTKumar,Gucz(1990)自适应非线性控制自适应非线性控制BP Goldberg等(1998) Bassi，Beckey(1989)Sanner,Aki

31、n(1990)Ungar等(1990)KohonenGraf等(1988)Martinez等(1988)CMACAtkenson等(1989)表表1 神经网络控制神经网络控制典型例子典型例子第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术&神经控制的基本原理神经控制的基本原理&神经网络在控制中的主要作用神经网络在控制中的主要作用&神经网络控制系统的分类神经网络控制系统的分类第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术自动控制面临着两个方面的技术问题：自动控制面临着两个方面的技术问题：（1）控制对象）控制对象越来越复杂越来越复杂

32、，存在着多种不确定（随机性）存在着多种不确定（随机性）和难以确切描述的和难以确切描述的非线性非线性。（2）对控制系统的要求）对控制系统的要求越来越高越来越高，迫切要求提高控制系统迫切要求提高控制系统的的智能化智能化水平，即系统具有水平，即系统具有逻辑思维和推理判断逻辑思维和推理判断的能力。的能力。 神经网络为处理和解决上述问题提供了一条新的途径：神经网络为处理和解决上述问题提供了一条新的途径： （1）神经网络源于）神经网络源于对脑神经的模拟对脑神经的模拟，所以具有很强的适应，所以具有很强的适应于复杂环境和多目标控制要求的于复杂环境和多目标控制要求的自学习能力自学习能力。（2）具有以）具有以任意

33、精度逼近任意非线性连续函数任意精度逼近任意非线性连续函数的特性。的特性。 第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术一般反馈控制系统一般反馈控制系统的原理图的原理图用神经网络替用神经网络替代控制器代控制器神经网络控制：神经网络控制：把神经网络在相应的控制系统把神经网络在相应的控制系统结构中当做结构中当做控制器控制器或或辨识器辨识器。 第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术设被控制对象的输入设被控制对象的输入u和系统输出和系统输出y之间满足如下之间满足如下非线性函数关系：非线性函数关系： y = g(u)u控制的目的：控制的目的：确定最佳的

34、控制量输入确定最佳的控制量输入u，使系，使系统的实际输出统的实际输出y等于期望的输出等于期望的输出yd。在该系统中，可把神经网络的功能看做输入输出的某种在该系统中，可把神经网络的功能看做输入输出的某种映射，或称映射，或称函数变换函数变换，并设它的函数关系为，并设它的函数关系为u=f(yd)。为了满足：为了满足： y=yd，将上式，将上式u代入，可得代入，可得 y=gf(yd)显然，当显然，当f(yd)=g -1(yd)时，满足时，满足y= yd的要求。的要求。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 由于要采用神经网络控制的被控对象一般是由于要采用神经网络控制的被控

35、对象一般是复杂的且多具有不确定性，因此非线性函数复杂的且多具有不确定性，因此非线性函数g()是难以建立的，可以利用神经网络具有逼近非线是难以建立的，可以利用神经网络具有逼近非线性函数的能力来模拟性函数的能力来模拟g-1() 。 尽管尽管g()的形式未知，但通过系统的实际输的形式未知，但通过系统的实际输出出y与期望输出与期望输出yd之间的误差来调整神经网络中的之间的误差来调整神经网络中的连接权值，即让神经网络学习，直至误差连接权值，即让神经网络学习，直至误差e=yd - y=0这就是神经网络模拟这就是神经网络模拟g-1()的过程，它实际上是对的过程，它实际上是对被控对象的一种求逆过程。被控对象的

36、一种求逆过程。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术在控制系统中采用神经网络这一工具在控制系统中采用神经网络这一工具对难以精确描述的复杂的非线性对象进行建模，对难以精确描述的复杂的非线性对象进行建模，或充当控制器，或优化计算，或进行推理，或故障诊断，或充当控制器，或优化计算，或进行推理，或故障诊断，以及同时兼有上述某些功能的适应组合，以及同时兼有上述某些功能的适应组合，将这样的系统统称为基于神经网络的控制系统。将这样的系统统称为基于神经网络的控制系统。充当对象模型充当对象模型推理模型，故障诊断推理模型，故障诊断优化参数及算法优化参数及算法控制器控制器第第3章章 计

37、算机控制系统的先进控制技术计算机控制系统的先进控制技术处在不确定、不确知环境处在不确定、不确知环境中的复杂的非线性不确定、不确知系统的设计问题。中的复杂的非线性不确定、不确知系统的设计问题。设置两个神经网络：设置两个神经网络：第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术辨识的目的：辨识的目的：根据系统所提供的测量信息，在某种准则意义下根据系统所提供的测量信息，在某种准则意义下估计出对象模型的结构和参数。估计出对象模型的结构和参数。辨识器参数可随着对象、环境的变化而自适应的改变，故它可辨识器参数可随着对象、环境的变化而自适应的改变，故它可在线辨识非线性不确定、不确知对象的

38、模型。在线辨识非线性不确定、不确知对象的模型。其性能随着对象、环境的变化而自适应的改变（根据辨识器）。其性能随着对象、环境的变化而自适应的改变（根据辨识器）。设计的核心问题：设计的核心问题：选择选择NNI和和NNC的结构（包括神经网络种类、的结构（包括神经网络种类、结构），并在一定的准则函数下，它们的权系数经由学习与训练，结构），并在一定的准则函数下，它们的权系数经由学习与训练，使之对应于系统要求的性能（与学习算法和初始权值有关）。使之对应于系统要求的性能（与学习算法和初始权值有关）。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 将神经网络作为传统控制系统中的一个或几个

39、部分，用以充当将神经网络作为传统控制系统中的一个或几个部分，用以充当l辨识器辨识器l对象模型对象模型l控制器控制器l估计器估计器l优化计算优化计算l神经控制：只由神经网络单独进行控制。神经控制：只由神经网络单独进行控制。l神经智能控制：由神经网络同其他智能控制方式相融合的控制。神经智能控制：由神经网络同其他智能控制方式相融合的控制。第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术FilterFilterSetpointSetpointTrajectoryTrajectoryPControllerModelPressurePressurePressurePressureq第第

40、3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术FilterSetpointTrajectoryControllerModelCACAqcCA第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术Adaptive NN Control Cycling or driving，we never thi

41、nking of the so-called mathematical models！PlantInfo. feedbackAdaptation & LearningControl Law第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术79第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术80第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术81第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系

42、统的先进控制技术第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术假设被控对象为如下所示的一阶假设被控对象为如下所示的一阶单变量单变量非线性系统，即非线性系统，即y(k+1)=gy(k)+y(k)u(k)式中，式中， u(k)和和y(k)分别为对象的输入和输出；分别为对象的输入和输出；gy(k)， y(k)为非零函数。为非零函数。（1）若若gy(k)，y(k)已知，则根据已知，则根据确定性等价原则确定性等价原则，控制器的控制律为控制器的控制律为此时，控制系统的输出此时，控制系统的输出y(k)能精确的跟踪输入能精确的跟踪输入r(k)， r(k)为系统的期望输出。为系统的期望输出

43、。(1) ( )( ) ( )r kg y ku ky k 第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术（2）若若gy(k)，y(k)未知，则可通过在线训未知，则可通过在线训练神经网络辨识器，使其逐渐逼近被控对象。练神经网络辨识器，使其逐渐逼近被控对象。由辨识器的由辨识器的Ngy(k)， Ny(k)代替代替gy(k)，y(k)，则控制器的输出为，则控制器的输出为式中，式中，Ngy(k)，Ny(k)为为gy(k)，y(k)的估的估计值，从而组成辨识器的非线性动态神经网络。计值，从而组成辨识器的非线性动态神经网络。(1) ( )( ) ( )r kNg y ku kNy k 第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术 （3）神经网络自校正控制系统结构图：神经网络自校正控制系统结构图：神经网络辨识器神经网络辨识器第第3章章 计算机控制系统的先进控制技术计算机控制系统的先进控制技术神经网络辨识器可由两个两层的神经网络辨识器可由两个两层的BP网络实现：网络实现：A(k+1)u(k)w0v0WVNgNy(k)y