神经网络控制器设计.ppt
《神经网络控制器设计.ppt》由会员分享,可在线阅读,更多相关《神经网络控制器设计.ppt(52页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、神经网络原理,王永骥,1,神经网络控制器设计,4.1 引言4.2 监督学习NN控制器4.3 NNMRAC(Model-Reference Adaptive Control)4.4 神经网络自校正控制(NNSTC)4.5 NN直接自适应控制4.6 NN-PID控制4.7 NN-Fuzzy控制,神经网络原理,王永骥,2,引言,NN在控制器设计中的几条路存在的几个问题本章简介,神经网络原理,王永骥,3,与已有控制结构的结合,如:NN自适应控制(NN MRAC 、NN STR:直接、 间接)、NN-PID、NN-IMC(PC)与已有控制方法的结合,如:NN-Fuzzy控制、NN-expert控制NN特
2、有的控制器设计方法,如:监督学习控制(SNC)、评价学习控制器(ACE)、无模型的控制器设计方法(单个元的或网络的,即按误差调整的),神经网络原理,王永骥,4,缺乏一种专门适用于控制的动态神经网络(目前方法:静处理动,不可避免的带来差分方程定阶问题)稳定性、鲁棒型分析困难,神经网络原理,王永骥,5,学习控制(监督)NN自适应(MRAC和STR)NN-PIDNN-无模型控制NN-Fuzzy(思想)有关稳定性的一些成果,神经网络原理,王永骥,6,监督学习NN控制器,问题的提出SNC设计: 控制系统结构 思路 实例,神经网络原理,王永骥,7,当对象动力学特性未知时系统可控,人的知识如何传递给控制装置
3、?解决思路:,利用专家控制、规则控制采用监督(导师)NN控制(SNC),神经网络原理,王永骥,8,弄清人在控制过程中利用了过程或人本身的何种信息构造NNC 考虑问题:何种网络、结构(层数)参数、训练方法(实时性、收敛性)SNC的训练过程 在人进行控制时,将控制信号及过程收集起来以此为数据 训练可以是离线的也可以是在线的,即人一边控制NNC一边学习 训练结束后,网络实现了以参考信号及以往控制轴上y为网络输入,当前控制u为网络输出的I/O映射,即可实现正确控制,神经网络原理,王永骥,9,小车倒立摆系统的控制,数学model:令 为小车位置、速度、杆角度、角速度,神经网络原理,王永骥,10,NN控制
4、器为四层BP网4-16-4-1结构,S型作用参数,训练用数据:Ii 输出u(k) 输出值 控制区间仿真时用:导师为线性或非线性的控制律 取M=1kg,m=0.1kg, f=5.1kg/s,g=9.81m/,神经网络原理,王永骥,11,线性控制为状态反馈: 训练20000次后NN可实现线性律 K=11.01,19.68,96.49,35.57非线性:80000次 反馈线性化及解数据格人控制:40000次 训练结束后,HSNC比 人本身操作更好 训练后,SNC还可继续在线学习以 适应新的扰动、取得新的控制策略样本、 增强对系统的全面了解。,神经网络原理,王永骥,12,问题及思路,问题:控制不成功,
5、SNC为何思路:引入评价学习的NNC,由ASE加上ACE构成,神经网络原理,王永骥,13,NN-MRAC,MRAC的思路NN MRAC 1)NN控制器 2)控制框图 3)例,神经网络原理,王永骥,14,一般控制系统可包含前馈和反馈控制器两种(前馈:由期望输出产生控制信号,反馈:由期望与实际之差产生控制信号),MRAC思路是给定期望响应的动态模型, 利用期望与实际输出之差去改变调节器参数,使对象+控制器形成的闭环系统对给定信号的响应与参考模型一致。当给定模型稳定时,闭环系统稳定并改善了动态响应。 调节机构设计:可利用Lyapunov或Popov方法以保证闭环的稳定,神经网络原理,王永骥,15,N
6、N控制器,辨识+再现控制器设计(淡化学习),间接控制误差直接改变控制器参数(特定学习),直接控制 淡化学习+自适应 NN MRAC,神经网络原理,王永骥,16,NNI-辨别器 NNC-控制器 NNI-对象辨识,目的、预报对象输出,做法:准则:NNC-使 为小数 准则: 控制周期 辨别周期 按常规自适应方法选取,神经网络原理,王永骥,17,系统 NNI:BP网 2-20-10-1结构 NNC: 此时 满足,神经网络原理,王永骥,18,神经网络自校正控制,STR基本思想对象描述一阶系统的一个实例,神经网络原理,王永骥,19,基本思想,如果系统环境和模型的参数已知,则可采用适当方法获得某种意义下的最
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 神经网络 控制器 设计
限制150内