- 1、本文档共138页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档免费下载、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
4.5.2 NN直接逆控制 两种结构方案: 4.5.3 NN自适应控制 NN自校正控制: * NN直接STC:结构基本上与直接逆控制相同,由一个NN控制器和一个能在线修正的NN估计器组成。 4.5.3 NN自适应控制 NN自校正控制 * NN间接STC:由一个常规控制器和一个具有离线辨识能力的NN估计器组成,NN估计器需要具有足够高的建模精度。 4.5.3 NN自适应控制 NN参考自适应控制 * NN直接MRAC:NNC的主要作用是使被控对象与参考模型的输出之差极小,由于误差的反向传播必须确知被控对象的数学模型,这给NNC的学习和修正带来了很多问题 4.5.3 NN自适应控制 NN参考自适应控制 * NN间接MRAC:NNI首先离线辨识被控对象的正向模型,并可由ei(t)进行在线学习修正,NNI为NNC提供误差ec(t)或其变化率的反向传播通道 4.5.4 NN内模控制 系统结构: - 系统的正向模型NN2直接与实际系统并联,二者之差作为反馈信号,由前向通道的滤波器和NN1控制器处理,NN1控制器直接与系统的逆有关,引入滤波器的目的是为了获得期望的鲁棒性和跟踪响应。 4.5.5 NN预测控制 系统结构: 4.5.5 NN预测控制 系统结构: - NNP建立被控对象的预测模型,并可在线学习修正,利用此预测模型,可由目前的控制输入u(t)预报出被控对象在将来一段时间范围内的输出值: - 非线性优化器NLO使如下二次型性能指标极小,以便得到适宜的控制作用u(t): 4.5.5 NN预测控制 控制步骤: - 计算未来的期望输出序列 - 利用NN预测模型,产生预报输出 - 计算预报误差 - 极小化性能指标J,获得最优控制序列 - 采用第一控制量u(t) ,然后返回第一步 4.5.6 NN自适应判断控制 基本思想: - 应用强化学习的机理,通常由自适应判断网络AJN和控制选择网络CSN两个网络组成 - AJN相当于强化学习需要的教师,其作用: (1) 通过不断的奖惩强化学习,使AJN逐渐训练成一个熟练的教师;(2) 经过学习后,根据被控系统的当前状态和外部强化反馈信号r(t),产生一强化信号,然后提供内部强化信号 ,以便判断当前控制作用的效果。 - CSN相当于多层前馈NN控制器,它在内部强化信号的引导下学习,通过学习,根据系统编码后的状态在允许控制集中选择下一步的控制作用 4.5.6 NN自适应判断控制 系统结构: 4.5.7 NN混合控制 基本思想: - 该控制方法是集成人工智能各分支的优点,由神经网络与模糊控制、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系统。其中,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专家系统等。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 4.6 Matlab神经网络工具箱 NN Toolbox包括了多种神经网络模型: - 感知器网络 - 线性神经网络 - BP网络 - 径向基神经网络 - 自组织神经网络 - 反馈网络 4.6 Matlab神经网络工具箱 如下函数对任何神经网络都适用: init —— 初始化函数 sim —— 仿真函数 train —— 训练函数 adapt —— 自适应学习 new* —— 生成新网络 newc 竞争网络newcf 级联前向网络newelm elm网络newff 前向网络newfftd 时延前向网络newgrnn 广义回归网络newhop Hopfield网络newlin 线性网络newlind 线性网络设计newlvq 学习向量量化newp 感知器newpnn 概率newrb 径向基网络newrbe 严格径向基newsom 自组织映射 4.6 Matlab神经网络工具箱 感知器神经网络函数 生成网络:newp 初始化网络:init,initlay,initwb,initzero 学习规则:learnp,learnpn 变换函数:hardlim,hardlims 画图:plotpv,plotpc 4.6 Matlab神经网络工具箱 线性神经网络函数 生成网络:newlin 设计网络:newlind 学习规则:learnwh 变换函数:purelin 4.6 Ma
本人在医药行业摸爬滚打10年,做过实验室QC,仪器公司售后技术支持工程师,擅长解答实验室仪器问题,现为一家制药企业仪器管理。
文档评论(0)