先進(jìn)成形與智能技術(shù) 課件 第八章第一節(jié) 智能制造系統(tǒng)與典型控制方法

8.1智能制造系統(tǒng)與典型控制方法戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造目錄CONTENTS8.1.1

智能制造系統(tǒng)結(jié)構(gòu)簡介8.1.2

智能傳感器功能與特點8.1.3

典型智能控制方法8.1.1

智能制造系統(tǒng)結(jié)構(gòu)簡介戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造1所謂智能制造，就是面向產(chǎn)品全生命周期，實現(xiàn)泛在感知條件下的信息化制造。在現(xiàn)代傳感技術(shù)、網(wǎng)絡(luò)技術(shù)、自動化技術(shù)、擬人化智能技術(shù)等先進(jìn)技術(shù)的基礎(chǔ)上，通過智能化的感知、人機(jī)交互、決策和執(zhí)行技術(shù)，實現(xiàn)設(shè)計過程、制造過程和制造裝備智能化，是信息技術(shù)、智能技術(shù)與裝備制造技術(shù)的深度融合與集成。智能制造是基于新一代信息技術(shù)，貫穿設(shè)計、生產(chǎn)、管理和服務(wù)等制造活動的各個環(huán)節(jié)，運用人工智能技術(shù)、云計算和物聯(lián)網(wǎng)技術(shù)，借助計算機(jī)模擬人類專家的智能活動進(jìn)行分析、推理、判斷等，實現(xiàn)科學(xué)決策、智能設(shè)計、合理排產(chǎn)，其基本特征是生產(chǎn)裝備和生產(chǎn)過程的數(shù)字化、網(wǎng)絡(luò)化、信息化、智能化。8.1.1智能制造系統(tǒng)結(jié)構(gòu)簡介1.智能制造系統(tǒng)結(jié)構(gòu)簡介戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造2智能制造系統(tǒng)一般由信息層級結(jié)構(gòu)、系統(tǒng)組成結(jié)構(gòu)和關(guān)鍵新一代技術(shù)結(jié)構(gòu)組成。信息層級結(jié)構(gòu)主要包括：規(guī)劃管理層、設(shè)備層、感知與控制層、數(shù)據(jù)采集與監(jiān)控層、制造運行管理層等。系統(tǒng)組成結(jié)構(gòu)主要包括：企業(yè)資源計劃系統(tǒng)、生產(chǎn)執(zhí)行系統(tǒng)、傳感器與控制系統(tǒng)、數(shù)據(jù)庫系統(tǒng)、工業(yè)機(jī)器人和自動化系統(tǒng)。關(guān)鍵新一代技術(shù)主要包括：人工智能技術(shù)、云計算和物聯(lián)網(wǎng)技術(shù)。圖8-1智能制造系統(tǒng)的結(jié)構(gòu)組成8.1.2

智能傳感器功能與特點戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造3傳感器被譽(yù)為實現(xiàn)智能控制的基石，在現(xiàn)代制造過程中，設(shè)備運行狀態(tài)和產(chǎn)品加工質(zhì)量很大程度上取決于所用傳感器的水平。特別是對實現(xiàn)成形過程智能化而言，需要配置傳感器進(jìn)行裝備運行狀態(tài)與產(chǎn)品質(zhì)量信息的反饋，以保證成形過程的穩(wěn)定性，提高成形質(zhì)量和生產(chǎn)效率。智能傳感器技術(shù)已成為先進(jìn)成形過程中實現(xiàn)感知環(huán)境、實時監(jiān)測、信息處理的核心技術(shù)之一。圖8-2

智能傳感器基本結(jié)構(gòu)框圖1.智能傳感器的概念智能傳感器是一種帶微處理器的兼具信息檢測、信息處理、信息記憶、邏輯思維和判斷功能的傳感器。

相對于傳統(tǒng)傳感器，智能傳感器集感知、信息處理、通信于一體，可實現(xiàn)自校準(zhǔn)、自補(bǔ)償、自診斷等處理功能。智能傳感器主要由傳感器、微處理器和相關(guān)電路構(gòu)成。其中，傳感器負(fù)責(zé)信號的獲取，微處理器通過輸入信號進(jìn)行分析處理得到特定的輸出結(jié)果，利用外部網(wǎng)絡(luò)接口模塊與外部系統(tǒng)實現(xiàn)數(shù)據(jù)交換。8.1.2智能傳感器功能與特點2.智能傳感器的功能：戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造41）信息處理與傳輸功能?；谖⑻幚砥鞯挠嬎愫痛鎯δ芰Γ悄軅鞲衅骺蓪崿F(xiàn)對被測物理量的特征分析與參數(shù)變換。同時，智能傳感器內(nèi)容集成了模數(shù)轉(zhuǎn)換電路，能夠直接輸出數(shù)字信號。2）自補(bǔ)償和計算功能。智能傳感器的自補(bǔ)償和計算功能為傳感器的漂移和非線性補(bǔ)償提供了新途徑，即通過微處理器對測試信號進(jìn)行軟件計算，采用多次擬合和差值計算方法能對傳統(tǒng)傳感器的非線性、溫度漂移、時間漂移以及環(huán)境影響因素引起的信號失真進(jìn)行自動補(bǔ)償。8.1.2智能傳感器功能與特點2.智能傳感器的功能：戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造53）自檢、自校、自診斷功能。智能傳感器通過其故障診斷軟件和自檢測軟件，自動對傳感器和系統(tǒng)工作狀態(tài)進(jìn)行定期和不定期的檢測、測試。4）自學(xué)習(xí)與自適應(yīng)功能。智能傳感器可以通過編輯算法使傳感器具有學(xué)習(xí)功能，利用近似公式和迭代算法認(rèn)知新的被測量值，即有再學(xué)習(xí)能力。5）多參數(shù)測量功能。智能傳感器設(shè)有多種模塊化的硬件和軟件，具有復(fù)合測量功能，根據(jù)不同的應(yīng)用需求，可選擇其模塊的組合狀態(tài)，實現(xiàn)多傳感單元、多參數(shù)的測量，給出能夠較全面反映物質(zhì)運動規(guī)律的信息。8.1.2智能傳感器功能與特點3.智能傳感器的特點：戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造61）測量精度高。智能傳感器具有信息處理功能，可通過軟件修正各種確定性系統(tǒng)誤差，還可適當(dāng)補(bǔ)償隨機(jī)誤差、降低噪聲，提高了傳感器的測量精度2）可靠性與穩(wěn)定性高。集成傳感器系統(tǒng)小型化，消除了傳統(tǒng)結(jié)構(gòu)的某些不可靠因素，改善整個系統(tǒng)的抗干擾件能力。同時，具有實時自檢、自動診斷、?；春蛿?shù)據(jù)存儲的功能，保障了傳感器使用過程中的可靠性與穩(wěn)定性。3）信噪比與分辨力高。智能傳感器具有信息處理、信息存儲和記憶功能，通過信息處理可以去除測量數(shù)據(jù)中的噪聲，將有用信號提取出來；通過信息處理中的數(shù)據(jù)融合可以消除多參數(shù)測量狀態(tài)下交叉靈敏度的影響，保證在多參數(shù)狀態(tài)下對特定參數(shù)測量時具有高的分辨率。4）組態(tài)功能與自適應(yīng)性強(qiáng)。智能傳感器可以實現(xiàn)多傳感器多參數(shù)綜合測量，有一定的自適應(yīng)能力，可根據(jù)檢測對象或條件的改變，相應(yīng)地改變量程反輸出數(shù)據(jù)的形式。同時它具有判斷分析與處理功能，能根據(jù)系統(tǒng)工作情況決策各部分的供電，使系統(tǒng)工作在最優(yōu)功耗狀態(tài)，也可優(yōu)化與上位機(jī)的數(shù)據(jù)傳送速率等。5）性價比高。智能傳感器主要是通過軟件而不是硬件實現(xiàn)傳感測量功能，以嵌入式微處理器為核心，集成了傳感單元、信號處理單元和網(wǎng)絡(luò)接口單元，能夠?qū)⒏鞣N現(xiàn)場數(shù)據(jù)直接在有線/無線網(wǎng)絡(luò)上傳輸、發(fā)布與共享。8.1.3典型智能控制方法1.PID控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造7PID控制基本介紹：PID控制（PID調(diào)節(jié)）是一種常用于工業(yè)自動化中的反饋控制算法，主要用于調(diào)節(jié)系統(tǒng)的輸出以使其盡可能接近期望的目標(biāo)值。PID代表比例（proportion）、積分（integral）、微分（differential）控制，這三個術(shù)語表示了PID控制的三個基本組成部分。比例（P）控制是一種最簡單的控制方式，其控制器的輸出與輸入誤差信號成比例關(guān)系。積分（I）控制中，控制器的輸出與輸入誤差信號的積分成正比關(guān)系。微分（D）控制中，控制器的輸出與輸入誤差信號的微分（即誤差的變化率）成正比關(guān)系。圖8-3PID算法示意圖8.1.3典型智能控制方法1.PID控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造8（1）比例（P）控制原有部分的傳遞函數(shù)為：比例控制器的傳遞函數(shù)為：系統(tǒng)的開環(huán)傳遞函數(shù)可表示為：比例（P）控制特點1）系統(tǒng)屬于I型系統(tǒng)，位置誤差系數(shù)為無窮大，速度誤差系數(shù)則是

2）系統(tǒng)在斜坡函數(shù)形式的輸入作用下，其穩(wěn)態(tài)誤差的終值與成反比。

3）若減小穩(wěn)態(tài)誤差，須增大比例系數(shù)，使閉環(huán)控制系統(tǒng)的一對復(fù)數(shù)極點的虛部增大，從而系統(tǒng)的暫態(tài)響應(yīng)有較大的超調(diào)和強(qiáng)烈的振蕩過程，即單純的比例控制較難兼顧系統(tǒng)穩(wěn)態(tài)和暫態(tài)兩方面的性能要求。比例控制是借助比例校正裝置(或稱比例控制器，P控制器)而實現(xiàn)的。圖8-4比例控制器系統(tǒng)圖8-5比例控制時系統(tǒng)的根軌跡

8.1.3典型智能控制方法1.PID控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造9（2）比例微分（PD）控制當(dāng)被控變量發(fā)生偏差時，調(diào)節(jié)器的輸出信號增量與偏差大小及偏差對時間的微分（偏差變換速度）成正比。原有部分的傳遞函數(shù)為：比例微分控制器的傳遞函數(shù)為：系統(tǒng)的開環(huán)傳遞函數(shù)可表示為：圖8-6比例微分控制器系統(tǒng)

8.1.3典型智能控制方法31.PID控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造10（2）比例微分（PD）控制圖8-7比例微分控制時系統(tǒng)的根軌跡

比例微分（PD）控制特點1）由于de(t)/dt是e(t)隨時間的變化率，所以微分控制實質(zhì)上是一種“預(yù)見”型控制。2）只有當(dāng)穩(wěn)態(tài)誤差隨時間而變化時，微分控制才會對系統(tǒng)的穩(wěn)態(tài)誤差起作用。3）微分控制可測量出e(t)的瞬時變化率，提前預(yù)見到這一過大的超調(diào)，因而在超調(diào)出現(xiàn)之前產(chǎn)生一個適當(dāng)?shù)男Ｕ饔?。圖8-8參量平面圖8.1.3典型智能控制方法1.PID控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造11（3）積分（I）控制將具有積分控制規(guī)律的控制稱為積分（I）控制。積分（I）控制特點1）在控制器中引入“積分項”可以消除穩(wěn)態(tài)誤差，積分項對誤差取決于時間的積分，隨著時間的增加，積分項會增大使穩(wěn)態(tài)誤差進(jìn)一步減小，直到等于零。2）積分環(huán)節(jié)主要是用來消除靜差，即系統(tǒng)穩(wěn)定后輸出值和設(shè)定值之間的差值，積分環(huán)節(jié)實際上就是偏差累計的過程，把累計的誤差加到原有系統(tǒng)上以抵消系統(tǒng)造成的靜差。比例控制器的傳遞函數(shù)：8.1.3典型智能控制方法1.PID控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造12（4）比例積分（PI）控制如圖8-10所示，是一個采用串聯(lián)比例積分（PI）校正裝置的二階反饋控制系統(tǒng)框圖。其中原有部分的傳遞函數(shù)與比例控制的相同。比例積分校正裝置的傳遞函數(shù)：圖8-9比例積分控制系統(tǒng)系統(tǒng)的開環(huán)傳遞函數(shù)：8.1.3典型智能控制方法31.PID控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造13（4）比例積分（PI）控制圖8-11選定后以為變量的根軌跡

比例積分（PI）控制特點

圖8-12選定后以為變量的根軌跡1）積分控制的作用是把原來的I型系統(tǒng)轉(zhuǎn)換為Ⅱ型系統(tǒng)，使得系統(tǒng)的穩(wěn)態(tài)誤差得到本質(zhì)性的改善。例如：在斜坡函數(shù)輸入下，原I型系統(tǒng)的穩(wěn)態(tài)誤差為常量，但采用積分控制后，系統(tǒng)穩(wěn)態(tài)誤差將為零。2）比例積分控制中比例系數(shù)

的取值不再依據(jù)系統(tǒng)的穩(wěn)態(tài)誤差的要求，而是選取適當(dāng)?shù)?/p>

與

使得系統(tǒng)開環(huán)傳遞函數(shù)存在一個需要的零點，從而得到滿意的暫態(tài)響應(yīng)。圖8-4比例控制器系統(tǒng)圖8-10比例微分控制器系統(tǒng)8.1.3典型智能控制方法戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造14圖8-13模擬PID控制系統(tǒng)原理框圖1.PID控制（5）比例積分微分（PID）控制PID控制器(比例-積分-微分控制器)是一個在工業(yè)控制應(yīng)用中常見的反饋回路部件，由比例單元P、積分單元I和微分單元D組成。

比例積分（PI）控制特點1）PID控制的基礎(chǔ)是比例控制；積分控制可消除穩(wěn)態(tài)誤差，但可能增加超調(diào)；微分控制可加快大慣性系統(tǒng)響應(yīng)速度以及減弱超調(diào)趨勢。2）PID中積分和微分都不能單獨起作用，必須與比例控制配合，但并不是必須同時具備這三種算法，也可以是PD，PI，甚至只有P算法控制。8.1.3典型智能控制方法2.模糊邏輯控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造15（1）模糊集合與模糊變換模糊集合是用來表達(dá)模糊性概念的集合。是指具有某個模糊概念所描述的屬性的對象的全體。模糊變換就是一個論域的模糊冪集到另一個論語的模糊冪集上的映射。模糊變換的基本運算如果A和B是論域U中的兩個模糊集，對應(yīng)的隸屬函數(shù)分別為

和

，則存在如下基本運算：1）A和B的并集，記為

，則隸屬函數(shù)定義為：2）A和B的交集，記為，則隸屬函數(shù)定義為：3）A的補(bǔ)集，記為，則隸屬函數(shù)定義為：4）若U、V為兩個模糊集合，則其直積U×V中的一個模糊子集R成為從U到V的模糊關(guān)系或模糊變換，可表示為：8.1.3典型智能控制方法2.模糊邏輯控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造16（2）模糊推理與模糊判決模糊推理是從一種當(dāng)前狀態(tài)物理值到規(guī)范論域的標(biāo)度變換。模糊判決（清晰化）是通過模糊推理得到的模糊集合中取一個最能代表這個模糊集合的單值過程。模糊推理的方法1）Zadeh推理：2）Mamdani推理：模糊判決的方法1）重心法：取模糊隸屬函數(shù)曲線與橫坐標(biāo)圍成面積的重心作為代表點的方法。2）最大隸屬度法：在推理結(jié)論的模糊集合中取隸屬度最大的那個元素作為輸出量的方法。3）隸屬度限幅元素平均法：用所確定的隸屬度值對隸屬函數(shù)曲線進(jìn)行切割，再對切割后等于該隸屬度的所有元素進(jìn)行平均，用這個平均值作為輸出執(zhí)行量的方法。8.1.3典型智能控制方法2.模糊邏輯控制戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造17模糊控制器包括模糊化、模糊推理、解模糊和知識庫。作用是將給定值和系統(tǒng)輸出的反饋送入模糊控制器（FC）后，解算出控制信號，驅(qū)動被控對象運動。圖8-14模糊控制系統(tǒng)組成

模糊控制過程包括尺度變換、模糊處理、知識庫建立、模糊推理、清晰化。3）模糊控制系統(tǒng)知識庫作用與分類作用：知識庫存儲有關(guān)模糊化、模糊推理、解模糊的一切知識，如模糊化中論域的變換方法、輸入變量隸屬函數(shù)的定義、模糊推理算法、解模糊算法、輸出變量各模糊集的隸屬函數(shù)定義等。分類：知識庫分為數(shù)據(jù)庫和規(guī)則庫。1）數(shù)據(jù)庫主要包括各語言變量的隸屬函數(shù)、尺度變換因子及模糊空間的分級數(shù)等。2）規(guī)則庫包括用模糊語言變量表示的一系列控制規(guī)則，它們反映了控制專家的經(jīng)驗和知識。8.1.3典型智能控制方法3.機(jī)器學(xué)習(xí)與深度學(xué)習(xí)戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造18人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，ANN）是模擬人腦思維方式的數(shù)學(xué)模型。用于模擬人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為，以及分布式工作特點和自組織功能。人工神經(jīng)網(wǎng)絡(luò)可以通過學(xué)習(xí)來獲取外部知識并存儲在網(wǎng)絡(luò)內(nèi)，特別是信息的理解、知識的處理、組合優(yōu)化計算和智能控制等一系列本質(zhì)上非計算的問題。（1）人工神經(jīng)網(wǎng)絡(luò)8.1.3典型智能控制方法3.機(jī)器學(xué)習(xí)與深度學(xué)習(xí)戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造19（1）人工神經(jīng)網(wǎng)絡(luò)圖8-15中

稱為閾值，

表示神經(jīng)元j到神經(jīng)元i的連接權(quán)系數(shù)

，

稱為輸出變換函數(shù)。變換函數(shù)實際上是神經(jīng)元模型的輸出函數(shù)，用于模擬神經(jīng)細(xì)胞的興奮、抑制及閾值等非線性特性，經(jīng)過加權(quán)加法器和線性動態(tài)系統(tǒng)進(jìn)行時空整合得到信號

，再經(jīng)變換函數(shù)

后得到神經(jīng)元的輸出

。圖8-15人工神經(jīng)元模型1）單神經(jīng)元模型8.1.3典型智能控制方法3.機(jī)器學(xué)習(xí)與深度學(xué)習(xí)戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造20常用的變換函數(shù)有符號函數(shù)、飽和函數(shù)、閾值函數(shù)、Sigmoid函數(shù)以及高斯函數(shù)等。

（1）人工神經(jīng)網(wǎng)絡(luò)1）單神經(jīng)元模型8.1.3典型智能控制方法3.機(jī)器學(xué)習(xí)與深度學(xué)習(xí)戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造21（1）人工神經(jīng)網(wǎng)絡(luò)1）連接方式與學(xué)習(xí)方法神經(jīng)網(wǎng)絡(luò)的連接方式分為兩種形式：前饋網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)。此外，還有混合型和網(wǎng)狀神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。1）前饋網(wǎng)絡(luò)：神經(jīng)元分層排列，組成輸入層、隱含層和輸出層；每層的神經(jīng)元只接受前一層神經(jīng)元的輸入；在各神經(jīng)元之間不存在反饋。2）反饋網(wǎng)絡(luò)：網(wǎng)絡(luò)結(jié)構(gòu)在輸出層到輸入層之間存在反饋，輸入信號決定反饋系統(tǒng)的初始狀態(tài)。3）混合型網(wǎng)絡(luò)：前饋網(wǎng)絡(luò)的同一層的神經(jīng)元之間有互連的結(jié)構(gòu)形式。4）網(wǎng)狀結(jié)構(gòu)：各神經(jīng)元都有可能相互連接，所有神經(jīng)元既是輸入又是輸出。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法主要包括有教師學(xué)習(xí)、無教師學(xué)習(xí)、再勵學(xué)習(xí)。1）有教師學(xué)習(xí)：網(wǎng)絡(luò)的輸出和期望的輸出（即教師信號）進(jìn)行比較，根據(jù)兩者之間的差異來調(diào)整網(wǎng)絡(luò)的權(quán)值，最終使差異變小。2）無教師學(xué)習(xí)：輸入模式進(jìn)入網(wǎng)絡(luò)后，網(wǎng)絡(luò)按照預(yù)先設(shè)定的規(guī)則（如競爭規(guī)則）自動調(diào)整權(quán)值，使網(wǎng)絡(luò)最終具有模式識別、分類等功能。3）再勵學(xué)習(xí)：對系統(tǒng)的輸出結(jié)果只給出評價（獎或罰）而不給出正確答案，學(xué)習(xí)系統(tǒng)通過強(qiáng)化那些受獎勵的動作來改善自身性能，外部提供的信息少，其需靠自身經(jīng)歷來學(xué)習(xí)、獲取知識。8.1.3典型智能控制方法3.機(jī)器學(xué)習(xí)與深度學(xué)習(xí)戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造224）知識表示與推理（1）人工神經(jīng)網(wǎng)絡(luò)3）典型模型1）ARP網(wǎng)絡(luò)：有教師學(xué)習(xí)方法，使用隨機(jī)增大率學(xué)習(xí)規(guī)則、反向傳播方式，主要應(yīng)用在模式識別方面。2）ART網(wǎng)絡(luò)：無教師學(xué)習(xí)方法，使用競爭率學(xué)習(xí)規(guī)則、反向傳播方式，主要應(yīng)用在分類方面。3）BAM網(wǎng)絡(luò)：無教師學(xué)習(xí)方式，使用Hebb／競爭率學(xué)習(xí)規(guī)則、反向傳播方式，主要應(yīng)用在圖像處理方面。4）BP網(wǎng)絡(luò)：有教師學(xué)習(xí)方式，使用誤差修正學(xué)習(xí)規(guī)則、反向傳播方式，主要應(yīng)用在分類方面。5）CPN網(wǎng)絡(luò)：有教師學(xué)習(xí)方式，使用Hebb率學(xué)習(xí)規(guī)則、反向傳播方式，主要應(yīng)用在自組織映射方面。7）感知器：有教師學(xué)習(xí)方式，使用誤差修正學(xué)習(xí)規(guī)則、正向傳播方式，主要應(yīng)用在分類和預(yù)測方面。6）LAM網(wǎng)絡(luò)：有教師學(xué)習(xí)方式，使用Hebb率學(xué)習(xí)規(guī)則、正向傳播方式，主要應(yīng)用在系統(tǒng)控制方面。人工神經(jīng)網(wǎng)絡(luò)的知識表示隱藏在權(quán)值和閾值中，經(jīng)過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程，將知識通過對權(quán)值和閾值的訓(xùn)練，擬合出對復(fù)雜過程的模型來實現(xiàn)知識表示。神經(jīng)網(wǎng)絡(luò)的推理就是在訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)上進(jìn)行的網(wǎng)絡(luò)計算。8.1.3典型智能控制方法3.機(jī)器學(xué)習(xí)與深度學(xué)習(xí)戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造23（2）基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識

神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識是指可在已知常規(guī)模型結(jié)構(gòu)的情況下估計模型的參數(shù)，或利用神經(jīng)網(wǎng)絡(luò)的線性、非線性特性來建立線性、非線性系統(tǒng)的靜態(tài)、動態(tài)、逆動態(tài)及預(yù)測模型。辨識就是根據(jù)輸入和輸出的數(shù)據(jù)，從一組給定的模型中確定一個與所測系統(tǒng)等價的模型。辨識有三大要素：數(shù)據(jù)、模型類、等價準(zhǔn)則。1）數(shù)據(jù)：能觀測到的被辨識系統(tǒng)的輸入／輸出數(shù)據(jù)。2）模型類：待尋找模型的范圍。一般選擇能逼近原系統(tǒng)的最簡模型。3）等價準(zhǔn)則：辨識的優(yōu)化目標(biāo)，用來衡量模型與實際系統(tǒng)的接近情況。8.1.3典型智能控制方法33.機(jī)器學(xué)習(xí)與深度學(xué)習(xí)戰(zhàn)略性新興領(lǐng)域教材建設(shè)團(tuán)隊-重型高端裝備制造24（2）基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識

辨識的分類：神經(jīng)網(wǎng)絡(luò)辨識包括系統(tǒng)正模型辨識和逆模型辨識。正模型辨識包括并聯(lián)結(jié)構(gòu)和串并聯(lián)結(jié)構(gòu)兩種，如圖8-16（a）（b）所示，被辨識系統(tǒng)輸出與模型輸出的偏差不用于辨識修正過程。逆模型辨識包括前向結(jié)構(gòu)和反饋結(jié)構(gòu)，如圖8-16（c）（d）所示，被辨識系統(tǒng)輸出與模型輸出的偏差用于辨識修正過程，逐步修正模型，以減小模型誤差。（a）并聯(lián)結(jié)構(gòu)

（b）串并聯(lián)結(jié)構(gòu)