神經(jīng)網(wǎng)絡(luò)PPT課件

1、引言NN在控制器設(shè)計中的幾條路存在的幾個問題本章簡介第1頁/共51頁 與已有控制結(jié)構(gòu)的結(jié)合，如：NN自適應(yīng)控制（NN MRAC 、NN STR：直接、 間接）、NN-PID、NN-IMC（PC） 與已有控制方法的結(jié)合，如：NN-Fuzzy控制、NN-expert控制 NN特有的控制器設(shè)計方法，如：監(jiān)督學(xué)習(xí)控制（SNC）、評價學(xué)習(xí)控制器（ACE）、無模型的控制器設(shè)計方法（單個元的或網(wǎng)絡(luò)的，即按誤差調(diào)整的）第2頁/共51頁 缺乏一種專門適用于控制的動態(tài)神經(jīng)網(wǎng)絡(luò)（目前方法：靜處理動，不可避免的帶來差分方程定階問題） 穩(wěn)定性、魯棒型分析困難第3頁/共51頁 學(xué)習(xí)控制（監(jiān)督） NN自適應(yīng)（MRAC和ST

2、R） NN-PID NN-無模型控制 NN-Fuzzy（思想） 有關(guān)穩(wěn)定性的一些成果第4頁/共51頁監(jiān)督學(xué)習(xí)NN控制器問題的提出SNC設(shè)計： 控制系統(tǒng)結(jié)構(gòu) 思路 實例第5頁/共51頁當對象動力學(xué)特性未知時系統(tǒng)可控，人的知識如何傳遞給控制裝置？解決思路： 利用專家控制、規(guī)則控制 采用監(jiān)督（導(dǎo)師）NN控制（SNC）第6頁/共51頁 弄清人在控制過程中利用了過程或人本身的何種信息 構(gòu)造NNC 考慮問題：何種網(wǎng)絡(luò)、結(jié)構(gòu)（層數(shù)）參數(shù)、訓(xùn)練方法（實時性、收斂性） SNC的訓(xùn)練過程 在人進行控制時，將控制信號及過程收集起來以此為數(shù)據(jù) 訓(xùn)練可以是離線的也可以是在線的，即人一邊控制NNC一邊學(xué)習(xí) 訓(xùn)練結(jié)束后，網(wǎng)

3、絡(luò)實現(xiàn)了以參考信號及以往控制軸上y為網(wǎng)絡(luò)輸入，當前控制u為網(wǎng)絡(luò)輸出的I/O映射，即可實現(xiàn)正確控制 第7頁/共51頁小車倒立擺系統(tǒng)的控制 數(shù)學(xué)model：令 為小車位置、速度、桿角度、角速度 )cos4/31 ()2sin(8/3sin22 mMux fgLmx)cossin(43xgL Txx,第8頁/共51頁NN控制器為四層BP網(wǎng)4-16-4-1結(jié)構(gòu)，S型作用參數(shù)訓(xùn)練用數(shù)據(jù)： 輸出 輸出值 控制區(qū)間仿真時用：導(dǎo)師為線性或非線性的控制律 取M=1kg，m=0.1kg， f=5.1kg/s，g=9.81m/ iKuKK,2s第9頁/共51頁線性控制為狀態(tài)反饋： 訓(xùn)練20000次后NN可實現(xiàn)線性律

4、 K=11.01，19.68，96.49，35.57非線性：80000次 反饋線性化及解數(shù)據(jù)格人控制：40000次 訓(xùn)練結(jié)束后，HSNC比 人本身操作更好 訓(xùn)練后，SNC還可繼續(xù)在線學(xué)習(xí)以 適應(yīng)新的擾動、取得新的控制策略樣本、 增強對系統(tǒng)的全面了解。 4321kkxkxkKXu第10頁/共51頁問題及思路 問題：控制不成功，SNC為何 思路：引入評價學(xué)習(xí)的NNC，由ASE加上ACE構(gòu)成第11頁/共51頁NN-MRAC MRAC的思路 NN MRAC 1）NN控制器 2）控制框圖 3）例第12頁/共51頁一般控制系統(tǒng)可包含前饋和反饋控制器兩種（前饋：由期望輸出產(chǎn)生控制信號，反饋：由期望與實際之差

5、產(chǎn)生控制信號） MRAC思路是給定期望響應(yīng)的動態(tài)模型， 利用期望與實際輸出之差去改變調(diào)節(jié)器參數(shù)，使對象+控制器形成的閉環(huán)系統(tǒng)對給定信號的響應(yīng)與參考模型一致。當給定模型穩(wěn)定時，閉環(huán)系統(tǒng)穩(wěn)定并改善了動態(tài)響應(yīng)。 調(diào)節(jié)機構(gòu)設(shè)計：可利用Lyapunov或Popov方法以保證閉環(huán)的穩(wěn)定第13頁/共51頁NN控制器 辨識+再現(xiàn)控制器設(shè)計（淡化學(xué)習(xí)），間接控制 誤差直接改變控制器參數(shù)（特定學(xué)習(xí)），直接控制 淡化學(xué)習(xí)+自適應(yīng) NN MRAC第14頁/共51頁NNI-辨別器 NNC-控制器 NNI-對象辨識，目的、預(yù)報對象輸出 做法： 準則：NNC-使 為小數(shù) 準則： 控制周期 辨別周期 按常規(guī)自適應(yīng)方法選取 1

6、11kykykepI20iTkikteJ kykymklim20cTkckteJcTiTicTT 第15頁/共51頁 系統(tǒng) NNI:BP網(wǎng) 2-20-10-1結(jié)構(gòu) NNC: 此時 滿足 kugkykyfky1,1krkykykygkykykykykyfmmm12.06.011,115.2122 krkykykykyNku12 . 06 . 01,kukykyNuyp1,1 12 . 06 . 01kekekeccc0limkeck第16頁/共51頁神經(jīng)網(wǎng)絡(luò)自校正控制 STR基本思想 對象描述 一階系統(tǒng)的一個實例第17頁/共51頁基本思想 如果系統(tǒng)環(huán)境和模型的參數(shù)已知，則可采用適當方法獲得某種意

7、義下的最優(yōu)控制器；若系統(tǒng)參數(shù)未知，則可用在線參數(shù)估計值來代替真實值（確定性等效原則）設(shè)計控制器，實現(xiàn)在線監(jiān)控。第18頁/共51頁對象描述 SISO可反饋線性化的系統(tǒng)設(shè) 逆存在， 、 已知在 未知時，用 逼近 kunkukunkykygnkkunkykyfky,1,1,1， g f g gkygfku1 gf、 gfNN、 gf、第19頁/共51頁 例 引入NN NN的一步預(yù)板模型為：?。?則控制器為： kukygkyfky1 kyfkwkyff, kygkwkygg, kukwkygkwuyfkygf,111kykyd kwkyguwkyfdykugf,1 第20頁/共51頁 調(diào)整準則令 ，系

8、統(tǒng)gf,111kykyked1212keJ kwkygkykwkygkwyfygyfgygfgfkygdgfkkkd,1,1第21頁/共51頁 權(quán)系數(shù)修正公式 1,1keuwfkwkyfkwkygygnkkwkwfgkff 1,1uekuuwgkwkygkwkygygnkkwkwggkgg第22頁/共51頁 設(shè)隱層為 或 ， 或 則 fivgivfqi， , 1gqi, 1 xe11 kyvkykwkwuwkyfkykwkvkwkyffifififfifif, kyvkykwkwuwkygkykwkvkwkyggigigiggifig,fqi， , 1gqi, 1 第23頁/共51頁 仿真例：

9、 一個元， ，1-10-10-1結(jié)構(gòu) 初值 逐漸減小 初始振蕩，9000步以后 2500步后仍有輕微振蕩kkuyky2 . 12sin8 . 01g f 95. 00,016. 001 . 001. 00, 1 . 01 . 00gwwf第24頁/共51頁NN直接自適應(yīng)控制基本概念一種NN直接STC方案1. 描述2. 問題3. 訓(xùn)練方案4. 特點基于單個自適應(yīng)神經(jīng)元的控制第25頁/共51頁基本概念 直接自適應(yīng)控制即直接根據(jù)對象的知識來調(diào)整控制器的內(nèi)部參數(shù)，使得對象的輸出誤差盡量小 間接：辨識模型 直接：不辨識 兩種方案：1.基于MRAC 2.基于STC第26頁/共51頁 只要 維持足夠高，可描

10、述任意非線性系統(tǒng) 設(shè)：NN為BP網(wǎng)絡(luò) 訓(xùn)練規(guī)則： 為期望的對象輸出 時對應(yīng)的輸入 kukYfkY,1 kY 21221kddkukuJorkukuJ kud kyd第27頁/共51頁 問題希望 ，此時 應(yīng)確知， 但P未知，而為訓(xùn)練NNC， 又該知 解決思路：將NNC與P看成一體，NN的最后一層（或幾層）固定不變，用來描述對象，訓(xùn)練指標相應(yīng)修改成 Q為加權(quán)陣，Q0 選擇 使 kykyd kud kud22111QcQdkekykyJ kuminJ第28頁/共51頁梯度法 設(shè)控制器參數(shù) 空間 計算 時，當 為網(wǎng)絡(luò)最后一層（描述對象的）時，用下法 為對象的Jacobian陣,未知Q kQJkQkQ1

11、QJ kQkukyQkekukykyJkuJkQkuuuJkQJTTcTTTT11211kuJT第29頁/共51頁 將 ， 對于網(wǎng)絡(luò)最后一層最后可得其它各層仍按標準BP算法修正 代sgn kukyQkekuJTTcTs1sgn121LijwQ kykujkQkujLi1 kykjkwkwLiLLijLij1111 kujkyQkekujkjTc1sgn122ijw第30頁/共51頁 無特定學(xué)習(xí)階段，即沒有依賴于辨識，直接控制效果設(shè)計控制器 控制參數(shù)調(diào)整為依賴時間的自適應(yīng)過程 例：小車倒立擺控制（動力學(xué)方程同前） Rouge-kutta法求解，步長0.001秒 未時，失敗 該系統(tǒng)NMP系統(tǒng) 4層

12、BP 4-4-4-1結(jié)構(gòu)， 初始條件， 隨機 2040次后，可使平衡標度15分鐘4.2,450 x kukxkun1,01 kkxkxkkJ22225 . 0msTc205 . 4, 5 . 4, 0 xcmxi1,10第31頁/共51頁 單個自適應(yīng)神經(jīng)元描述 系統(tǒng)結(jié)構(gòu) 對r為定值系統(tǒng) 學(xué)習(xí)方法 P為線性系統(tǒng)時穩(wěn)定性分析 iniixwkku132131wwwxwkuiik 1,222321txtxxxtyrxtrxt第32頁/共51頁 督促學(xué)習(xí)min2yrJ yrdxtwtwyrdxtwtwyrdxtwtw333222111111 tetdxtwii第33頁/共51頁第34頁/共51頁 設(shè) 控

13、制器等效為： 將 sDsNsG0 srwkswwksu132 srwsDskNsEswwsDskNsrwsEswwsDskNsy132132 srswwsDskNsrsDswwwskNsy32321 代入可得sysrsE第35頁/共51頁 即： Roche定理 若在復(fù)平面環(huán)路上有 在此環(huán)路上有相同數(shù)目的零點 的穩(wěn)定性取決于swwskNsDrswwwDkNyswwDkNswwskNsDswwwskNsy3232132323211 sgsfsfsgsfsfsgsf和則均為多項式,2, 01第36頁/共51頁 設(shè) 在 sDsNsNksDswwksfsDswwskNsgsD1, 003232的條件尋找

14、 sssDsNn11011點系統(tǒng)時無0022012320211111kkwkwkkssswwwkkn即可，故只要第37頁/共51頁NN PID 直接NN PID1. 常規(guī)NN PID 2. NN PID 間接NN PID1. 結(jié)構(gòu)2. 學(xué)習(xí)3. 算法流程第38頁/共51頁kDkIkpkkdkIkpkekekekuekekeku2增：位：第39頁/共51頁NN PID 采用BP網(wǎng)絡(luò) 3-6-1結(jié)構(gòu) 輸入 學(xué)習(xí)方法，標準BP算法 問題：要使網(wǎng)絡(luò)之期望值不知 先用 代替 輸出層： 2121,2321kekekekekxkekekekxkekx kyyd 6, 1, ikekvi第40頁/共51頁 隱

15、層： 討論：1）本法不一定能保證系統(tǒng)穩(wěn)定性與收斂性 2）實時控制時，用到 計算慢 61,11,31jkxkwknetjeefkekvknetjfwijijxxjij wuuykeWJwJw, 0 xexy第41頁/共51頁兩個NN：NNC PID；NNI 辨識器 NNI：設(shè) 3層BP網(wǎng) ntutuntytyfty,1,1 totvtyeeftnetftoQtoTwtnetmninnituniitytoiiixxiiijjijii22111,10 ,出：隱：入：第42頁/共51頁 NNC txtktxtktutetxtetxtetx331132,則有：選：第43頁/共51頁 學(xué)習(xí) twintne

16、tftvtutnettutnettotytutytrutytktytrtktytytytrJtytrJiiiiiiiiicp22211111111121min1121代替用第44頁/共51頁算法流程1. （-0.1，0.1）隨機值初始化NNC，NNI2. 計算3. 計算NN PID之4. 修正NNI權(quán)值5. 修正NNC權(quán)值6. 1+t t，到2 tetete, tu第45頁/共51頁NN-Fuzzy控制 Fuzzy控制的基本思想做法 間接NN PID 一個實例第46頁/共51頁 基于人的經(jīng)驗，依據(jù) 進行表格化處理，控制規(guī)則為：if A then B形式， 分為大、小、快、慢等，規(guī)則為：if a

17、nd then A選作E，B選作EC（變化率） 一般分成210檔，通常取7檔8檔， NL，NM NS，NO PO PS PM PL具體計算時按隸屬關(guān)系集，由具體數(shù)值 得到屬于何種狀態(tài)，控制變量也如此處理ee ,ee ,iAE iBECijCu ee , keke,第47頁/共51頁美國Kosko教授為權(quán)威的幾種做法 NN模擬Fuzzy系統(tǒng)中的各個模塊，為Fuzzy化、推理、決策等 NN中引入Fuzzy邏輯，使之具有直接處理Fuzzy信息的能力 例：NN的加權(quán)求和變成“并”與“交”等形 式的Fuzzy邏輯運算，稱為模糊神 經(jīng)元第48頁/共51頁由兩個NN組成 NNC：PID控制器 單層網(wǎng)絡(luò)： NNI：3層網(wǎng)絡(luò) 輸入： 輸出： 隱層： tiiextextex0321, 23322111121tytrJexktxktxktup mninnituniitytoi,10 , xxiiijjijieeftnetfoQtovtnet11tanh,2