自適應(yīng)控制發(fā)展與應(yīng)用

1、自適應(yīng)控制及其發(fā)展應(yīng)用 人工神經(jīng)網(wǎng)絡(luò) 在現(xiàn)實生活中，任何一個實際系統(tǒng)都具有不同程度的不確定性，這些不確定性表現(xiàn)在被控過程或?qū)ο蟮奶匦詴r刻發(fā)生變化，變化規(guī)律難以掌握，同時還有各種各樣的隨機干擾作用在系統(tǒng)上，這些影響通常是不可預(yù)測的。如何設(shè)計適當(dāng)?shù)目刂谱饔?，通過輸入、輸出信息，實時的掌握被控對象和系統(tǒng)誤差的動態(tài)特性，并根據(jù)其變化情況及時掌握調(diào)節(jié)控制量，使系統(tǒng)性能指標(biāo)達到并保持最優(yōu)或者近似最優(yōu)，這就是自適應(yīng)控制所要研究解決的問題。人工神經(jīng)網(wǎng)絡(luò)(ArtficialNeural Networks)是人們在模仿人腦處理問題的過程中發(fā)展起來的一種新型智能信息處理理論，它通過大量神經(jīng)元的簡單處理單元構(gòu)成非線性

2、動力學(xué)系統(tǒng)，對人腦的形象思維、聯(lián)想記憶等進行模擬和抽象，實現(xiàn)與人腦相似的學(xué)習(xí)、識別、記憶等信息處理能力，其特點包括具有很強的自學(xué)習(xí)性、自組織性、容錯性、高度非線性、高度魯棒性、聯(lián)想記憶功能推理意識功能等。自適應(yīng)控制系統(tǒng)本質(zhì)上是一個非線性隨機控制系統(tǒng)，很難為其找到合適的數(shù)學(xué)模型，傳統(tǒng)的方法難以對其進行控制。由于神經(jīng)網(wǎng)絡(luò)已被證明具有很強適應(yīng)能力和逼近任意連續(xù)有界非線性函數(shù)的能力，它在解決高度非線性和嚴(yán)重不確定系統(tǒng)的控制方面顯示出它強大的優(yōu)越性，神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制是基于自適應(yīng)的基本原理，利用神經(jīng)網(wǎng)絡(luò)的特點和理論設(shè)計而成的，發(fā)揮了自適應(yīng)與神經(jīng)網(wǎng)絡(luò)的各自長處，為非線性控制的研究提供了一種新方法。它與自適

3、應(yīng)控制的完美結(jié)合，使控制領(lǐng)域的發(fā)展邁向了一個新的臺階。 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制概述：神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制本質(zhì) 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制從本質(zhì)上講，實際上是基于神經(jīng)網(wǎng)絡(luò)理論的自校正控制或模型參考自適應(yīng)控制。自校正控制根據(jù)對系統(tǒng)正向和(或)逆模型辨識結(jié)果，直接按自適應(yīng)規(guī)律調(diào)節(jié)控制器結(jié)構(gòu)參數(shù)，使系統(tǒng)滿足既定的性能指標(biāo)。而在模型參考自適應(yīng)控制中，閉環(huán)控制系統(tǒng)的期望性能則有一個穩(wěn)定而優(yōu)良的參考模型來描述，其控制目標(biāo)是使被控對象的輸出響應(yīng) y(t)一致漸近地趨于參考模型的輸出響應(yīng) dy(t)，即神經(jīng)網(wǎng)絡(luò)用于自適應(yīng)控制主要有兩種方式：一種是利用人工神經(jīng)網(wǎng)絡(luò)的逼近能力，描述被控對象的數(shù)學(xué)模型；二是充當(dāng)控制器，其控制作用的

4、調(diào)整依賴于網(wǎng)絡(luò)權(quán)系數(shù)的改變，通過網(wǎng)絡(luò)訓(xùn)練，完成將信號從網(wǎng)絡(luò)輸入端到輸出端的映射，為被控對象提供適當(dāng)?shù)目刂屏?。神?jīng)網(wǎng)絡(luò)自適應(yīng)控制與一般自適應(yīng)方法的區(qū)別在于：（1）在模型參考控制中，參考模型由神經(jīng)網(wǎng)絡(luò)代替。與常規(guī)自適應(yīng)控制比較自適應(yīng)控制理論的目標(biāo)是設(shè)計一個靈活的控制器，它能夠考慮未知參數(shù)的變化，自動調(diào)節(jié)控制器的增益。而常規(guī)的自適應(yīng)控制器為了獲得良好的控制效果，需要在系統(tǒng)中加入白噪聲信號，辨識過程往往會出現(xiàn)飽和麻痹現(xiàn)象，影響辨識效果和跟蹤速度。利用了神經(jīng)網(wǎng)絡(luò)則可解決這一問題。因為神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、受訓(xùn)練的特點，它可以正確地提取受控對象的模型參數(shù)，并具有較強的抗干擾能力和容錯能力，提高控制器的性能。

5、神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)的典型結(jié)構(gòu) 至今為止，己有近百種神經(jīng)網(wǎng)絡(luò)模型發(fā)表在各類文獻中。神經(jīng)網(wǎng)絡(luò)在控制中用的較多的有多層前向型 BP 網(wǎng)絡(luò)和 RBF 網(wǎng)絡(luò)，以及 Hopfield 反饋型網(wǎng)絡(luò)。多層前向型 BP 網(wǎng)絡(luò)和徑向基函數(shù) RBF 網(wǎng)絡(luò)均為分層連接的靜態(tài)神經(jīng)網(wǎng)絡(luò)。隔層神經(jīng)元之間均無連接，只有鄰層神經(jīng)元之間相互連接，信號由低層向高層神經(jīng)元傳輸。多層前向網(wǎng)絡(luò)學(xué)習(xí)算法是 BP 算法。BP算法的特點是結(jié)構(gòu)簡單，容易實現(xiàn)。目前，針對 BP 算法中的局部極小值、收斂速度慢等缺點，人們己提出了各種修正方法，使得 BP 算法更加適用于控制技術(shù)。RBF 網(wǎng)絡(luò)可采用最小二乘法等優(yōu)化算法。Hopfield 網(wǎng)絡(luò)是神

6、經(jīng)網(wǎng)絡(luò)的非線性動態(tài)模型，它由非線性映射關(guān)系為 Sigmoid 記型函數(shù)的神經(jīng)元相互連接組成，將能量函數(shù)引入神經(jīng)網(wǎng)絡(luò)，用于解決優(yōu)化問題和控制問題。神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制 將神經(jīng)網(wǎng)絡(luò)與模型參考自適應(yīng)控制相結(jié)合，就構(gòu)成了神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制，基于神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)模型參考自適應(yīng)控制方案最早是由 Narendra 等人提出的，其系統(tǒng)的結(jié)構(gòu)模型和線性系統(tǒng)的模型參考自適應(yīng)控制系統(tǒng)是相同的，只是用人工神經(jīng)網(wǎng)絡(luò)來替代傳統(tǒng)的辨識器和控制器，于是就構(gòu)成了神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制。根據(jù)結(jié)構(gòu)的不同可分為直接與間接的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制的兩種類型，兩者的共同之處是都采用神經(jīng)網(wǎng)絡(luò)作為控制器，不同之處是

7、間接模型參考自適應(yīng)控制中還采用神經(jīng)網(wǎng)絡(luò)作為被控對象的正向模型估計器。神經(jīng)網(wǎng)絡(luò)自適應(yīng)預(yù)測控制 該控制方案是用一個神經(jīng)網(wǎng)絡(luò)在線建立非線性被控對象的預(yù)測模型（該神經(jīng)網(wǎng)絡(luò)稱為預(yù)測模型），利用此模型，就可以預(yù)測目前的控制輸入被控對象在將來一段時間范圍內(nèi)的輸出值，再通過一定的優(yōu)化機制對控制作用進行優(yōu)化。這種神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制方案的控制效果直接依賴于辨識所能達到的晶須。這種方案中的神經(jīng)網(wǎng)絡(luò)必須通過離線訓(xùn)練之后，才能應(yīng)用于神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制中。否則，自適應(yīng)系統(tǒng)開始時其控制效果會很差。神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制現(xiàn)存問題：1.穩(wěn)定性問題穩(wěn)定性是控制系統(tǒng)設(shè)計的基本準(zhǔn)則，但是神經(jīng)自適應(yīng)控制系統(tǒng)的穩(wěn)定性分析難度極大。這是因為要

8、處理的非線性對象的模型一般是具有嚴(yán)重非線性和不確定性的復(fù)雜系統(tǒng)，而神經(jīng)網(wǎng)絡(luò)本身又是一個大規(guī)模非線性系統(tǒng)，由它們按一定方式組織起來的神經(jīng)控制系統(tǒng)具有更為復(fù)雜的動力學(xué)特性。目前已有的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制研究的主要問題是：基于lyapunov 函數(shù)來證明神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)的穩(wěn)定性的方法，已經(jīng)被應(yīng)用于一些簡單的非線性系統(tǒng)，即仿射非線性系統(tǒng)之中，但是，在工程中遇到的非線性系統(tǒng)大多是非仿射的。2.魯棒性問題在自適應(yīng)控制系統(tǒng)的設(shè)計中，根據(jù)魯棒性要求所設(shè)計的系統(tǒng)比單純按收斂性和穩(wěn)定性指標(biāo)所設(shè)計的系統(tǒng)具有更好的控制效果。目前，對于非線性控制系統(tǒng)的魯棒性已有許多研究結(jié)果，一般是針對一類仿射非線性系統(tǒng)進行的，對于

9、系統(tǒng)的條件限制較嚴(yán)，目前的研究成果很難應(yīng)用于實際的非線性控制系統(tǒng)中去，故其魯棒性研究具有重要的理論和應(yīng)用意義。3.控制的實時性問題神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制是采用先離線辨識，再在線控制的方式，這樣比在線建模方式控制效果好，但實時性較差。同時，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度一般都比較慢，為滿足實時控制需要，必須研究快速的學(xué)習(xí)算法，使其能同時保證實時性與控制效果,這仍是一個難題?，F(xiàn)狀與未來： 目前，神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制的研究大多停留在理論研究與實驗室研究階段，在實際的控制應(yīng)用中很少，但是，神經(jīng)網(wǎng)絡(luò)在自適應(yīng)控制中的巨大優(yōu)勢和作用已經(jīng)得到人們的重視。而神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制的基本理論研究卻嚴(yán)重滯后，特別是穩(wěn)定性判據(jù)(類似于非線性系統(tǒng)的波波夫判據(jù)那樣的判據(jù)) 以及魯棒性工程設(shè)計方法(例如類似于以超穩(wěn)定性理論設(shè)計一個線性自適應(yīng)控制系統(tǒng)的方法)，這些將嚴(yán)重制約了設(shè)計網(wǎng)絡(luò)自適應(yīng)控制的進一步應(yīng)用與發(fā)展。未來的研究中，我們將重點放在與工程實際相結(jié)合，建立一套嚴(yán)格的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制基本理論和設(shè)計方法，這些對我國自動化技術(shù)的發(fā)展、提高人工智能領(lǐng)域的研究具有重大意義。總結(jié)：本文對神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制進行了研究總結(jié)。神經(jīng)網(wǎng)絡(luò)自適