神经网络控制ppt课件.ppt

《神经网络控制ppt课件.ppt》由会员分享，可在线阅读，更多相关《神经网络控制ppt课件.ppt（60页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.1 概述概述 神经网络神经网络l一种具有高度非线性的连续时间一种具有高度非线性的连续时间动力系统动力系统，它有，它有着很强的自学习功能和对非线性系统的强大映射能着很强的自学习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力，已广泛应用于复杂对象的控制中l 神经网络所具有的神经网络所具有的大规模并行性、冗余性

2、、容错大规模并行性、冗余性、容错性性、本质的非线性及自组织、自学习、自适应能力，、本质的非线性及自组织、自学习、自适应能力，给不断面临挑战的控制理论带来生机给不断面临挑战的控制理论带来生机我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物神经网络神经网络控制控制处理那些难以用模型或规则描述的对象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，采用并行分布式信息处理方式，具有很强的容错性具有很强的容错性本质上是非线性系统，本质上是非线性系统，可以实现任意非线性映射可以实现任意非线性映射具有很强的信

3、息综合能力，能够同时处理大量不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间的互补性和冗余性问题硬件实现愈趋方便硬件实现愈趋方便,大规模集成电路技术的发展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为神经网络的硬件实现提供了技术手段我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 神经网络控制在理论和实践上，研究的重点有：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

4、题；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；神经网络控制系统的稳定性与收敛性问题； (3) 神经网络学习算法的实时性；神经网络学习算法的实时性； (4) 神经网络控制器和辨识器的模型和结构；神经网络控制器和辨识器的模型和结构；我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 根据神经网络在控制器中的作用不同，神经网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络控制器可分为两类l神经控制，它是以神经网络为基础而形成的独立智神经控制，它是以神经网络为基础而形成

5、的独立智能控制系统能控制系统l混合神经网络控制，它是指利用神经网络学习和优混合神经网络控制，它是指利用神经网络学习和优化能力来改善传统控制的智能控制方法，如自适应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等 9.2 神经网络控制结构神经网络控制结构 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.2.1 9.2.1 神经网络监督控制神经网络监督控制 通过对通过对传统控制器进行学习，传统控制器进行学习，然后用神经网络控制器逐渐然后用神经网络控制器逐渐取代传统控制器的方法，称为取

6、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。神经网络监。神经网络监督控制的结构如图督控制的结构如图9-19-1所示。所示。NNC控制器对象+-+ tyd te ty tun tup tu图9-1 神经网络监督控制 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 神经网络控制器神经网络控制器实际上是一个实际上是一个前馈控制器前馈控制器，它建立的是被，它建立的是被控对象的逆模型。神经网络控制器通过对传统控制器的输出进控对象的逆模型。神经网络控制器通过对传统控制器的输出进行学习，在线调整网络的权值

7、，使反馈控制输入趋近于零，从行学习，在线调整网络的权值，使反馈控制输入趋近于零，从而使神经网络控制器逐渐在控制作用中占据主导地位，最终取而使神经网络控制器逐渐在控制作用中占据主导地位，最终取消反馈控制器的作用。一旦系统出现干扰，反馈控制器重新起消反馈控制器的作用。一旦系统出现干扰，反馈控制器重新起作用。这种前馈加反馈的监督控制方法，不仅可以确保控制系作用。这种前馈加反馈的监督控制方法，不仅可以确保控制系统的稳定性和鲁棒性，而且可有效地提高系统的精度和自适应统的稳定性和鲁棒性，而且可有效地提高系统的精度和自适应能力。能力。我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里

8、呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 图图9-2为神经网络直接逆控制的两种结构为神经网络直接逆控制的两种结构方案。在图方案。在图9-2(a)中，中，NN1和和NN2为具有完全为具有完全相同的网络结构，并采用相同的学习算法，相同的网络结构，并采用相同的学习算法，分别实现对象的逆。在图分别实现对象的逆。在图9-2(b)中，神经网络中，神经网络NN通过评价函数进行学习，实现对象的逆控通过评价函数进行学习，实现对象的逆控制。制。 我吓了一跳，

9、蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物对象 tyd te ty tun tuNN1NN2+-我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物对象 tyd tE ty tuNN评价函数（b） 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实

10、我的猜测没有错：表里边有一个活的生物我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物（2 2）神经网络间接自校正控制）神经网络间接自校正控制 其结构如图其结构如图9-39-3所示。假设被控对象为如所示。假设被控对象为如下单变量仿射非线性系统：下单变量仿射非线性系统： 若利用神经网络对非线性函数若利用神经网络对非线性函数 和和 进进行逼近，得到行逼近，得到 和和 ，则控制器为：，则控制器为：其中其中 为为 时刻的期望输出值。时刻的期望输出值。kkkkuygyfy1kyfkygkyfkyg kkkygyfrku

11、/11kr1k我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物神经网络估计器常规控制器对象 tyd te tu ty+-g ,f图图9-3 9-3 神经网络间接自校正控制神经网络间接自校正控制我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物2. 2. 神经网络模型参考自适应控制神经网络模型参考自适应控制 分为直接模型参考自适应控制和间接模型分为直接模型参考自适应控制和间接模型参考自适应控制两种。参考自适应控制两种。（1

12、1）直接模型参考自适应控制）直接模型参考自适应控制 如图如图9-4所示。神经网络控制器的作用是使所示。神经网络控制器的作用是使被控对象与参考模型输出之差为最小。但该方被控对象与参考模型输出之差为最小。但该方法需要知道对象的法需要知道对象的 信息信息 。 Jacobianuy我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物参考模型NNC对象 tr te tu ty+- tym tec+-图图9-4 9-4 神经网络直接模型参考自适应控制神经网络直接模型参考自适应控制我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什

13、么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物（2 2）间接模型参考自适应控制）间接模型参考自适应控制 如图如图9-59-5所示。神经网络辨识器所示。神经网络辨识器NNINNI向神经向神经网络控制器网络控制器NNCNNC提供对象的信息，用于控制器提供对象的信息，用于控制器NNCNNC的学习。的学习。我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物参考模型NNC对象 tr te tu ty+- tym tec+-NNC+- tei tyn图图9-5 神经网络间接模

14、型参考自适应控制神经网络间接模型参考自适应控制 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.2.4 9.2.4 神经网络内模控制神经网络内模控制 经典的内模控制将被控系统的正向模型和逆模型直经典的内模控制将被控系统的正向模型和逆模型直接加入反馈回路，系统的正向模型作为被控对象的近接加入反馈回路，系统的正向模型作为被控对象的近似模型与实际对象并联，两者输出之差被用作反馈信似模型与实际对象并联，两者输出之差被用作反馈信号，该反馈信号又经过前向通道的滤波器及控制器进号，该反馈信号又经过前向通道的滤波器及控

15、制器进行处理。控制器直接与系统的逆有关，通过引入滤波行处理。控制器直接与系统的逆有关，通过引入滤波器来提高系统的鲁棒性。器来提高系统的鲁棒性。 图图9-69-6为神经网络内模控制，被控对象的正向模型及为神经网络内模控制，被控对象的正向模型及控制器均由神经网络来实现。控制器均由神经网络来实现。我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物滤波器对象+- tyd te ty tu神经网络控制器神经网络正向模型NN1NN2 tym+-d图图9-6 神经网络内模控制神经网络内模控制 我吓了一跳，蝎子是多么丑恶和恐

16、怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.2.5 9.2.5 神经网络预测控制神经网络预测控制 预测控制又称为基于模型的控制，是预测控制又称为基于模型的控制，是7070年代年代后期发展起来的新型计算机控制方法，该方法后期发展起来的新型计算机控制方法，该方法的特征是预测模型、滚动优化和反馈校正。的特征是预测模型、滚动优化和反馈校正。 神经网络预测控制的结构如图神经网络预测控制的结构如图9-79-7所示，神经所示，神经网络预测器建立了非线性被控对象的预测模型，网络预测器建立了非线性被控对象的预测模型，并可在线进行学习修正。并可在线

17、进行学习修正。 利用此预测模型，通过设计优化性能指标，利用此预测模型，通过设计优化性能指标，利用非线性优化器可求出优化的控制作用利用非线性优化器可求出优化的控制作用 。 tu我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物非线性优化器对象+- tyd te ty tu+d神经网络预测器滤波器 ty +-kty 图9-7 神经网络预测控制我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.2.6 9.2.6 神经网络自适应

18、评判控制神经网络自适应评判控制 神经网络自适应评判控制通常由两个网络组成，如图神经网络自适应评判控制通常由两个网络组成，如图9-89-8所示。自适应评判网络通过不断的奖励、惩罚等再所示。自适应评判网络通过不断的奖励、惩罚等再励学习，使自己逐渐成为一个合格的励学习，使自己逐渐成为一个合格的“教师教师”，学习完，学习完成后，根据系统目前的状态和外部激励反馈信号产生一成后，根据系统目前的状态和外部激励反馈信号产生一个内部再励信号，以对目前的控制效果作出评价。控制个内部再励信号，以对目前的控制效果作出评价。控制选择网络相当于一个在内部再励信号指导下进行学习的选择网络相当于一个在内部再励信号指导下进行学

19、习的多层前馈神经网络控制器，该网络在进行学习后，根据多层前馈神经网络控制器，该网络在进行学习后，根据编码后的系统状态，在允许控制集中选择下一步的控制编码后的系统状态，在允许控制集中选择下一步的控制作用。作用。我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物自适应评价网络控制选择网络对象 tu ty编码器 tr tr 内部再励外部再励反馈图图9-8 神经网络自适应评判控制神经网络自适应评判控制 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：

20、表里边有一个活的生物9.2.7 9.2.7 神经网络混合控制神经网络混合控制 该控制方法是集成人工智能各分支的优点，该控制方法是集成人工智能各分支的优点，由神经网络技术与模糊控制、专家系统等相结由神经网络技术与模糊控制、专家系统等相结合而形成的一种具有很强学习能力的智能控制合而形成的一种具有很强学习能力的智能控制系统。系统。 由神经网络和模糊控制相结合构成模糊神经由神经网络和模糊控制相结合构成模糊神经网络，由神经网络和专家系统相结合构成神经网络，由神经网络和专家系统相结合构成神经网络专家系统。神经网络混合控制可使控制系网络专家系统。神经网络混合控制可使控制系统同时具有学习、推理和决策能力。统同

21、时具有学习、推理和决策能力。 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.3 单单9.3.1 单神经元自适应控制算法单神经元自适应控制算法 单神经元自适应控制的结构如图单神经元自适应控制的结构如图9-9所示。所示。图图9-9 单神经元自适应单神经元自适应PID控制结构控制结构我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉

22、快，证实我的猜测没有错：表里边有一个活的生物 单神经元自适应控制器是通过对加权系单神经元自适应控制器是通过对加权系数的调整来实现自适应、自组织功能，控制数的调整来实现自适应、自组织功能，控制算法为算法为 如果权系数的调整按有监督的如果权系数的调整按有监督的Hebb学习学习规则实现，即在学习算法中加入监督项规则实现，即在学习算法中加入监督项 ，则神经网络权值学习算法为：则神经网络权值学习算法为：31)()() 1()(iiikxkwKkuku kz我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物)()()()

23、 1()()()()() 1()()()()() 1()(333222111kxkukzkwkwkxkukzkwkwkxkukzkwkw式中，式中， 为 学 习 速 率 ，为 学 习 速 率 ， 为 神 经 元 的 比 例 系为 神 经 元 的 比 例 系数，数， 。 kekz)()(1kekx) 1()()(2kekekx) 2() 1(2)()()(23kekekekekxK0K我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 值的选择非常重要。值的选择非常重要。 越大，则快速越大，则快速性越好，但超调

24、量大，甚至可能使系统不稳定。性越好，但超调量大，甚至可能使系统不稳定。当被控对象时延增大时，当被控对象时延增大时， 值必须减少，以保值必须减少，以保证系统稳定。证系统稳定。 值选择过小，会使系统的快速值选择过小，会使系统的快速性变差。性变差。KKKK我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物)(40.5sgn(sin)(tkrin9.3.2 9.3.2 仿真实例仿真实例 2)-(0.6321)-(0.102)-(0.261)-(0.368)(kukukykyky我吓了一跳，蝎子是多么丑恶和恐怖的东西，

25、为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.4 RBF9.4 RBF网络监督控制网络监督控制9.4.1 RBF9.4.1 RBF网络监督控制算法网络监督控制算法 基于RBF网络的监督控制系统结构如图9-14所示。 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物RBFPD控制对象+-+ kr ke ky kun kup ku图图9-14 9-14 神经网络监督控制神经网络监督控制我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里

26、呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 在在RBFRBF网络结构中，取网络的输入为网络结构中，取网络的输入为 ，网络的径向基向量为网络的径向基向量为 ， 为高为高斯基函数：斯基函数： krTmhh,1Hjh )2-exp(-22jjjbkrhC其中其中 ， 为节点为节点 的基宽度参数，的基宽度参数， ， 为网络第个结点的中心矢量，为网络第个结点的中心矢量， ， 。mj, 1jbj0jbjCmjcc111,CTmbb,1B我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物网络的权向量为：

27、网络的权向量为： RBFRBF网络的输出为：网络的输出为： 其中其中 为为RBFRBF网络隐层神经元的个数。网络隐层神经元的个数。T1,mwwW mmjjnwhwhwhku11m控制律为：控制律为： kukukunp我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物设神经网络调整的性能指标为：设神经网络调整的性能指标为： 221kukukEn采用梯度下降法调整网络的权值：采用梯度下降法调整网络的权值： kwkukwkujnjp近似地取近似地取由此所产生的不精确通过权值调节来补偿。由此所产生的不精确通过权值调节

28、来补偿。我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物神经网络权值的调整过程为：神经网络权值的调整过程为：其中其中 为学习速率，为学习速率， 为动量因子。为动量因子。 211kkkkkWWWWW khkukukwkukukukwkEkwjnjpnjj则则我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.4.2 9.4.2 仿真实例仿真实例 被控对象为：被控对象为：ssG1047087.35ss1000)(23RBF网

29、络监督控制程序为网络监督控制程序为chap9_2.m 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 神经间接自校正控制结构如图神经间接自校正控制结构如图9-17所示，所示，它由两个回路组成：它由两个回路组成：（1）自校正控制器与被控对象构成的反馈回）自校正控制器与被控对象构成的反馈回路。路。（2）神经网络辩识器与控制器设计，以得到）神经网络辩识器与控制器设计，以得到控制

30、器的参数。控制器的参数。 辩识器与自校正控制器的在线设计是自校辩识器与自校正控制器的在线设计是自校正控制实现的关键。正控制实现的关键。我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物图图9-17 9-17 神经网络间接自校正控制框图神经网络间接自校正控制框图我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.5.2 9.5.2 自校正控制算法自校正控制算法 考虑被控对象：考虑被控对象：其中其中 ， 分别为对象的输入、输出

31、，分别为对象的输入、输出， 为非为非零函数。零函数。 kukykygky1uy 1)(krgku g我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 NkrNNgku1)( g g Ng N我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.5.3 RBF9.5.3 RBF网络自校正控制算法网络自校正控制算法 采用两个采用两个RBF网络分别实现未知项网络分别实现未知项 、 的的辨识。辨识。RBF网络辨识器的结构如图网络辨

32、识器的结构如图9-18所示，所示， 和和 分别为两个神经网络的权值向量。分别为两个神经网络的权值向量。 g WV我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物图图9-18 9-18 神经网络辨识器神经网络辨识器 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 在在RBF网络结构中，取网络的输入为网络结构中，取网络的输入为 ，网，网络的径向基向量为络的径向基向量为 ， 为高斯基为高斯基函数：函数： 其中其中 。 为节点

33、为节点 的基宽度参数，的基宽度参数， ， 为网络第为网络第 个结点的中心矢量，个结点的中心矢量， ， 。 kyTmhh,1Hjh )2-exp(-22jjjbkyhCmj, 1jbj0jbjCjmjcc111,CTmbb,1B我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物两个两个RBF网络的输出分别为：网络的输出分别为： mmjjwhwhwhkNg11 mmjjvhvhvhkN11m 1;1;1kukVkyNkWkyNgkym辨识后，对象的输出为：辨识后，对象的输出为：其中其中 为为RBF网络隐层神经元的

34、个数。网络隐层神经元的个数。网络的权向量为：网络的权向量为：T1,mwwWT1,mvvV我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物采用梯度下降法调整网络的权值：采用梯度下降法调整网络的权值： khkykykwkEkwjmwjwj khkykykvkEkvjmvjvj设神经网络调整的性能指标为：设神经网络调整的性能指标为： 221kykykEm我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 神经网络自校正控制系统的

35、结构如图神经网络自校正控制系统的结构如图9-19所示。所示。 神经网络权值的调整过程为：神经网络权值的调整过程为： 211kkkkkWWWWW 211kkkkkVVVVV其中其中 和和 为学习速率，为学习速率， 为动量因子。为动量因子。wv我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物图图9-19 9-19 神经网络自校正控制框图神经网络自校正控制框图 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.5.4 仿真实

36、例仿真实例 被控对象为：被控对象为：其中其中 ， 。 ) 1(15)1(sin(8 . 0)(kukyky 1sin8 . 0kykyg 15kyRBF网络自校正控制程序为网络自校正控制程序为chap9_3.m。 我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.6 基于基于RBF网络直接模型参考自适应控制网络直接模型参考自适应控制9.6.1 基于基于RBF网络的控制器设计网络的控制器设计 控制系统的结构如图控制系统的结构如图9-23所示。所示。 设参考模型输出为设参考模型输出为 ，控制系统要求对，控制系

37、统要求对象的输出象的输出 能够跟踪参考模型的输出能够跟踪参考模型的输出 。 kym ky kym则跟踪误差为：则跟踪误差为： kykykecm-我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物参考模型RBF对象 kr ke ku ky+- kym kec+-图图9-23 基于基于RBF网络的直接模型参考网络的直接模型参考自适应控制自适应控制我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物指标函数为：指标函数为： 控制器为

38、控制器为RBF网络的输出：网络的输出： 其中其中 为为RBF网络隐层神经元的个数，网络隐层神经元的个数， 为第为第 个网络隐层神经元与输出层之间的连接权，个网络隐层神经元与输出层之间的连接权， 为第个为第个 隐层神经元的输出。隐层神经元的输出。 2k21eckE mmjjwhwhwhku11mjwjjhj我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物在在RBF网络结构中，网络结构中， 为网络的输入为网络的输入向量。向量。RBF网络的径向基向量为网络的径向基向量为 ，为，为高斯基函数：高斯基函数： 其中其中

39、 ， 为节点为节点 的基宽度参数，的基宽度参数， ， 为网络第为网络第 个结点的中心矢量，个结点的中心矢量， ， 。Tnxx,1XTmhh,1Hjh)2-exp(-22jjjbhCXmj, 1jbj0jbjCjjnjijjccc,1CTmbb,1B我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物网络的权向量为：网络的权向量为： 按梯度下降法及链式法则，可得权值的学按梯度下降法及链式法则，可得权值的学习算法如下：习算法如下：其中其中 为学习速率，为学习速率， 为动量因子。为动量因子。T1,mwwW jjhku

40、kyecwkEwkk kwwwwjjjjk1-kk我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物同理，可得同理，可得RBF网络隐层神经元的高斯函数网络隐层神经元的高斯函数的中心参数及基的中心参数及基宽的学习算法如下：宽的学习算法如下： 32-kkkjijjjjjjbchwkuykecbukuykecbkEkbx 2)-(k-1)-(k(1)-(k(k)jjjjjbbkbbb 2kkkjijijjijijijbcxhwkuykeccukuykecckEkc 2)-(kc-1)-(k(c1)-(k(k)iji

41、jijijijkccc我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物 在学习算法中，在学习算法中， 称为称为 信息，表示信息，表示系统的输出对控制输入的敏感性，其值可由神系统的输出对控制输入的敏感性，其值可由神经网络辨识而得。在神经网络算法中，对经网络辨识而得。在神经网络算法中，对 值的精确度要求不是很高，不精确部分可值的精确度要求不是很高，不精确部分可通过网络参数及权值的调整来修正，关键是其通过网络参数及权值的调整来修正，关键是其符号，因此可用符号，因此可用 的正负号来代替，这样可的正负号来代替，这样可使算法更加简单。使算法更加简单。 kuykJacobiankuyk kuyk我吓了一跳，蝎子是多么丑恶和恐怖的东西，为什么把它放在这样一个美丽的世界里呢？但是我也感到愉快，证实我的猜测没有错：表里边有一个活的生物9.6.2 仿真实例仿真实例 被控对象为一非线性模型：被控对象为一非线性模型： 21-ky1/1-ku1-k0.10y-ky 取采样周期为取采样周期为 ，参考模型为，参考模型为 ，其中其中 为正弦信号，为正弦信号， 。msts1 krkykymm16 . 0 krtskkr2sin50. 0)(RBF网络直接模型参考自适应控制程序为网络直接模型参考自适应控制程序为chap9_4.m