智能控制chap6[共39頁]

1、第六章 模糊控制從人的經(jīng)驗出發(fā)，解決了智能控模糊控制從人的經(jīng)驗出發(fā)，解決了智能控 制中人類語言的描述和推理問題，尤其是一些制中人類語言的描述和推理問題，尤其是一些 不確定性語言的描述和推理問題，從而在機器不確定性語言的描述和推理問題，從而在機器 模擬人腦的感知、推理等智能行為方面邁出了模擬人腦的感知、推理等智能行為方面邁出了 重大的一步。重大的一步。 1 模糊控制在處理數(shù)值數(shù)據(jù)、自學(xué)習(xí)能力等方面模糊控制在處理數(shù)值數(shù)據(jù)、自學(xué)習(xí)能力等方面 還遠(yuǎn)沒有達到人腦的境界。人工神經(jīng)網(wǎng)絡(luò)從另一還遠(yuǎn)沒有達到人腦的境界。人工神經(jīng)網(wǎng)絡(luò)從另一 個角度出發(fā)，即從人惱的生理學(xué)和心理學(xué)著手，個角度出發(fā)，即從人惱的生理學(xué)和心

2、理學(xué)著手， 通過人工模擬人腦的工作機理來實現(xiàn)機器的部分通過人工模擬人腦的工作機理來實現(xiàn)機器的部分 智能行為。智能行為。 2 3 4 6.1 5 6 7 8 9 10 11 12 13 14 15 神經(jīng)元具有如下功能：神經(jīng)元具有如下功能： (1) 興奮與抑制：如果傳入神經(jīng)元的沖動經(jīng)整和后使細(xì)胞膜興奮與抑制：如果傳入神經(jīng)元的沖動經(jīng)整和后使細(xì)胞膜 電位升高，超過動作電位的閾值時即為興奮狀態(tài)，產(chǎn)生電位升高，超過動作電位的閾值時即為興奮狀態(tài)，產(chǎn)生 神經(jīng)沖動，由軸突經(jīng)神經(jīng)末梢傳出。如果傳入神經(jīng)元的神經(jīng)沖動，由軸突經(jīng)神經(jīng)末梢傳出。如果傳入神經(jīng)元的 沖動經(jīng)整和后使細(xì)胞膜電位降低，低于動作電位的閾值沖動經(jīng)整和后

3、使細(xì)胞膜電位降低，低于動作電位的閾值 時即為抑制狀態(tài)，不產(chǎn)生神經(jīng)沖動。時即為抑制狀態(tài)，不產(chǎn)生神經(jīng)沖動。 (2) 學(xué)習(xí)與遺忘：由于神經(jīng)元結(jié)構(gòu)的可塑性，突觸的傳遞作學(xué)習(xí)與遺忘：由于神經(jīng)元結(jié)構(gòu)的可塑性，突觸的傳遞作 用可增強和減弱，因此神經(jīng)元具有學(xué)習(xí)與遺忘的功能。用可增強和減弱，因此神經(jīng)元具有學(xué)習(xí)與遺忘的功能。 16 17 18 19 20 21 (3) (3) 自組織網(wǎng)絡(luò)自組織網(wǎng)絡(luò) 網(wǎng)絡(luò)結(jié)構(gòu)如圖所示。網(wǎng)絡(luò)結(jié)構(gòu)如圖所示。KohonenKohonen網(wǎng)絡(luò)是最典型的網(wǎng)絡(luò)是最典型的 自組織網(wǎng)絡(luò)。自組織網(wǎng)絡(luò)。KohonenKohonen認(rèn)為，當(dāng)神經(jīng)網(wǎng)絡(luò)在接受外認(rèn)為，當(dāng)神經(jīng)網(wǎng)絡(luò)在接受外 界輸入時，網(wǎng)絡(luò)將會分成

4、不同的區(qū)域，不同區(qū)域具界輸入時，網(wǎng)絡(luò)將會分成不同的區(qū)域，不同區(qū)域具 有不同的響應(yīng)特征，即不同的神經(jīng)元以最佳方式響有不同的響應(yīng)特征，即不同的神經(jīng)元以最佳方式響 應(yīng)不同性質(zhì)的信號激勵，從而形成一種拓?fù)湟饬x上應(yīng)不同性質(zhì)的信號激勵，從而形成一種拓?fù)湟饬x上 的特征圖，該圖實際上是一種非線性映射。這種映的特征圖，該圖實際上是一種非線性映射。這種映 射是通過無監(jiān)督的自適應(yīng)過程完成的，所以也稱為射是通過無監(jiān)督的自適應(yīng)過程完成的，所以也稱為 自組織特征圖。自組織特征圖。 22 Kohonen Kohonen網(wǎng)絡(luò)通過無導(dǎo)師的學(xué)習(xí)方式進行權(quán)值網(wǎng)絡(luò)通過無導(dǎo)師的學(xué)習(xí)方式進行權(quán)值 的學(xué)習(xí)，穩(wěn)定后的網(wǎng)絡(luò)輸出就對輸入模式生成

5、自的學(xué)習(xí)，穩(wěn)定后的網(wǎng)絡(luò)輸出就對輸入模式生成自 然的特征映射，從而達到自動聚類的目的。然的特征映射，從而達到自動聚類的目的。 23 輸出節(jié)點 輸入 0 x 1 x 2 x 圖圖 自組織神經(jīng)網(wǎng)絡(luò)自組織神經(jīng)網(wǎng)絡(luò) 24 25 26 27 28 jiijij IIkwkw)() 1( 29 其中，其中， 為連接從神經(jīng)元為連接從神經(jīng)元 到神經(jīng)元到神經(jīng)元 的當(dāng)前權(quán)的當(dāng)前權(quán) 值，值， 和和 為神經(jīng)元的激活水平。為神經(jīng)元的激活水平。 Hebb學(xué)習(xí)規(guī)則是一種無教師的學(xué)習(xí)方法，它學(xué)習(xí)規(guī)則是一種無教師的學(xué)習(xí)方法，它 只根據(jù)神經(jīng)元連接間的激活水平改變權(quán)值，因此，只根據(jù)神經(jīng)元連接間的激活水平改變權(quán)值，因此， 這種方法又稱

6、為相關(guān)學(xué)習(xí)或并聯(lián)學(xué)習(xí)。這種方法又稱為相關(guān)學(xué)習(xí)或并聯(lián)學(xué)習(xí)。 )(kw iji j i I j I 30 P p p P p pp EydE 11 2 )( 2 1 p d p y )( pp WXfy W T n wwwW, 1, 0 p X 31 T pnppp xxxX, 10 Pp, 2 , 1 i W E W 32 P p i p i W E W E 1 2 2 1 ppp ydE pp Wx ippppip p p p p i p p p i p XfydX y y E W E W E )( )( P p ippppi XfydW 1 )( )( 33 6.5 6.5 神經(jīng)網(wǎng)絡(luò)特征及要

7、素神經(jīng)網(wǎng)絡(luò)特征及要素 1. 1. 神經(jīng)網(wǎng)絡(luò)特征神經(jīng)網(wǎng)絡(luò)特征 神經(jīng)網(wǎng)絡(luò)具有以下幾個特征：神經(jīng)網(wǎng)絡(luò)具有以下幾個特征： （1 1）能逼近任意非線性函數(shù)；）能逼近任意非線性函數(shù)； （2 2）信息的并行分布式處理與存儲；）信息的并行分布式處理與存儲； 34 （3 3）可以多輸入、多輸出；）可以多輸入、多輸出； （4 4）便于用超大規(guī)模集成電路（）便于用超大規(guī)模集成電路（VISIVISI）或光學(xué)集）或光學(xué)集 成電路系統(tǒng)實現(xiàn)，或用現(xiàn)有的計算機技術(shù)實現(xiàn)；成電路系統(tǒng)實現(xiàn)，或用現(xiàn)有的計算機技術(shù)實現(xiàn)； （5 5）能進行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。）能進行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。 35 2 神經(jīng)網(wǎng)絡(luò)要素神經(jīng)網(wǎng)絡(luò)要素 決定

8、神經(jīng)網(wǎng)絡(luò)模型性能的三大要素為：決定神經(jīng)網(wǎng)絡(luò)模型性能的三大要素為： （1）神經(jīng)元（信息處理單元）的特性；）神經(jīng)元（信息處理單元）的特性； （2）神經(jīng)元之間相互連接的形式）神經(jīng)元之間相互連接的形式拓?fù)浣Y(jié)構(gòu)；拓?fù)浣Y(jié)構(gòu)； （3）為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則。）為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則。 36 6.6 神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域 1 1 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識 將神經(jīng)網(wǎng)絡(luò)作為被辨識系統(tǒng)的模型，可在已知將神經(jīng)網(wǎng)絡(luò)作為被辨識系統(tǒng)的模型，可在已知 常規(guī)模型結(jié)構(gòu)的情況下，估計模型的參數(shù)。常規(guī)模型結(jié)構(gòu)的情況下，估計模型的參數(shù)。 利用神經(jīng)網(wǎng)絡(luò)的線性、非線性特性，可建立

9、線利用神經(jīng)網(wǎng)絡(luò)的線性、非線性特性，可建立線 性、非線性系統(tǒng)的靜態(tài)、動態(tài)、逆動態(tài)及預(yù)測性、非線性系統(tǒng)的靜態(tài)、動態(tài)、逆動態(tài)及預(yù)測 模型，實現(xiàn)非線性系統(tǒng)的建模和辨識。模型，實現(xiàn)非線性系統(tǒng)的建模和辨識。 37 (2) (2) 神經(jīng)網(wǎng)絡(luò)控制器神經(jīng)網(wǎng)絡(luò)控制器 神經(jīng)網(wǎng)絡(luò)作為實時控制系統(tǒng)的控制器，對不神經(jīng)網(wǎng)絡(luò)作為實時控制系統(tǒng)的控制器，對不 確定、不確知系統(tǒng)及擾動進行有效的控制，使控確定、不確知系統(tǒng)及擾動進行有效的控制，使控 制系統(tǒng)達到所要求的動態(tài)、靜態(tài)特性。制系統(tǒng)達到所要求的動態(tài)、靜態(tài)特性。 (3) (3) 神經(jīng)網(wǎng)絡(luò)與其他算法相結(jié)合神經(jīng)網(wǎng)絡(luò)與其他算法相結(jié)合 將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)、模糊邏輯、遺傳算法將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)、模糊邏輯、遺傳算法 等相結(jié)合，可設(shè)計新型智能控制系統(tǒng)。等相結(jié)合，可設(shè)計新型智能控制系統(tǒng)。 38 (4) (4) 優(yōu)化計算優(yōu)化計算 在常規(guī)的控制系統(tǒng)中，常遇到求解約束優(yōu)化問在常規(guī)的控制系統(tǒng)中，常遇到求解約束優(yōu)化問 題，神經(jīng)網(wǎng)絡(luò)為這類問題的解決提供了有效的途題，神經(jīng)網(wǎng)絡(luò)為這類問題