?? 第二章 神經(jīng)網(wǎng)絡(luò)控制.htm
字號(hào):
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
<!-- saved from url=(0042)http://www.jgchina.com/ednns/ednnsbk/5.htm -->
<HTML><HEAD><TITLE>第二章 神經(jīng)網(wǎng)絡(luò)控制</TITLE>
<META http-equiv=Content-Type content="text/html; charset=gb2312">
<META content="MSHTML 6.00.2800.1106" name=GENERATOR>
<META content=FrontPage.Editor.Document name=ProgId><LINK
href="第二章 神經(jīng)網(wǎng)絡(luò)控制.files/style.css" type=text/css rel=stylesheet></HEAD>
<BODY bgColor=#ffffff leftMargin=0 topMargin=0>
<TABLE cellSpacing=0 cellPadding=0 width=778 border=0>
<TBODY>
<TR>
<TD width="100%">
<P><A
href="http://www.jgchina.com/ednns/ednnsbk/director.htm">回目錄</A>
<A
href="http://www.jgchina.com/ednns/ednnsbk/4.5.htm">上一頁(yè)</A>
<A href="http://www.jgchina.com/ednns/ednnsbk/5.2.htm">下一頁(yè)</A></P></TD></TR>
<TR>
<TD width="100%">
<P align=center>第二章 神經(jīng)網(wǎng)絡(luò)控制</P></TD></TR>
<TR>
<TD width="100%">
<P>神經(jīng)網(wǎng)絡(luò)控制的研究始于20世紀(jì)60年代，1960年，widrow和Hoff首先把神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)。
Kilmer和McCulloch提出了KMB神經(jīng)網(wǎng)絡(luò)模型，并在“阿波羅”登月計(jì)劃中應(yīng)用取得良好的效果。1964年，widrow等用神經(jīng)網(wǎng)絡(luò)對(duì)小車倒立擺系統(tǒng)控制取得了成功。70年代神經(jīng)網(wǎng)絡(luò)研究處于低谷，所以神經(jīng)網(wǎng)絡(luò)控制沒(méi)有再發(fā)展。在80年代后期開(kāi)始，神經(jīng)網(wǎng)絡(luò)控制隨著形勢(shì)發(fā)展至重受到重視．但大多數(shù)集中在自適應(yīng)控制方法上。目前，正朝智能控制深度的方向發(fā)展。
</P>
<P>神經(jīng)網(wǎng)絡(luò)控制可以分為監(jiān)視控制，逆控制，神經(jīng)適應(yīng)控制，實(shí)用反向傳播控制和適應(yīng)評(píng)價(jià)控制等。</P>
<P>在智能控制系統(tǒng)中，最重要的有兩點(diǎn)。一點(diǎn)是和知識(shí)基有關(guān)的推理機(jī)型，另—點(diǎn)是隨環(huán)境變化的適應(yīng)能力。一般而言．推理是以符號(hào)為元素執(zhí)行的．而客觀世界中的信號(hào)是數(shù)值，為了理解過(guò)程的狀態(tài)．需要實(shí)施數(shù)值數(shù)據(jù)到符號(hào)數(shù)據(jù)的映射，這就要把數(shù)值數(shù)據(jù)進(jìn)行分類。</P>
<P>另外，對(duì)過(guò)程的控制需要自適應(yīng)控制器。神經(jīng)網(wǎng)絡(luò)的分類功能和學(xué)習(xí)能力使到它可以有效地用于智能控制系統(tǒng)。<BR>神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)是“物盡其用”的必然結(jié)果。目前，神經(jīng)網(wǎng)絡(luò)在各種控制系統(tǒng)的應(yīng)用及典型例子如表2—1所示。</P>
<P align=center>表2-1 神經(jīng)網(wǎng)絡(luò)控制概況</P></TD></TR>
<TR>
<TD width="100%">
<DIV align=center>
<CENTER>
<TABLE height=171 cellSpacing=1 cellPadding=0 width=500 bgColor=#999999
border=0>
<TBODY>
<TR bgColor=#ffffff>
<TD width="33%" height=16>控制方法</TD>
<TD width="33%" height=16>神經(jīng)網(wǎng)絡(luò)</TD>
<TD width="34%" height=16>典型例子</TD></TR>
<TR bgColor=#ffffff>
<TD width="33%" height=68>自適應(yīng)線性控制</TD>
<TD width="33%" height=68>Hopfield
<P> </P>
<P>ART<SPAN
style="FONT-SIZE: 10.5pt; FONT-FAMILY: 宋體; mso-bidi-font-size: 10.0pt; mso-bidi-font-family: 'Times New Roman'; mso-font-kerning: 1.0pt; mso-ansi-language: EN-US; mso-fareast-language: ZH-CN; mso-bidi-language: AR-SA">Ⅱ</SPAN></P></TD>
<TD width="34%" height=68>Chi等(1990)
<P>Zak(1990)</P>
<P>Kumar,Gucz(1990)</P></TD></TR>
<TR bgColor=#ffffff>
<TD width="33%" height=81>自適應(yīng)非線性控制</TD>
<TD width="33%" height=81>BP
<P> </P>
<P> </P>
<P> </P>
<P>Kohonen</P>
<P> </P>
<P>CMAC</P></TD>
<TD width="34%" height=81>Goldberg等(1998)
<P>Bassi，Beckey(1989)</P>
<P>Sanner,Akin(1990)</P>
<P>Ungar等(1990)</P>
<P>Graf等(1988)</P>
<P>Martinez等(1988)</P>
<P>Atkenson等(1989)</P></TD></TR></TBODY></TABLE></CENTER></DIV></TD></TR>
<TR>
<TD width="100%">
<P align=center><A name="2．1 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的結(jié)構(gòu)">2．1 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的結(jié)構(gòu)</A></P>
<P>神經(jīng)網(wǎng)絡(luò)的非線性，學(xué)習(xí)功能，并行處理和綜合能力，使到它十分適用于智能控制：神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的形式很多。英國(guó)Glasgow大學(xué)K.J.Hunt等神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)分為監(jiān)視控制、直接逆控制、模型參考控制、內(nèi)部模型控制、預(yù)測(cè)控制、適應(yīng)控制等。IEEE神經(jīng)網(wǎng)絡(luò)協(xié)會(huì)出版刊物主席Toshio
Fukuda教授和“神經(jīng)計(jì)算應(yīng)用手冊(cè)”作者P.J.Werbos則把神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)主要分成如下五大類：
<P>1．監(jiān)視控制(Supervised Control)
<P>2．逆控制(Inverse Control)
<P>3．神經(jīng)適應(yīng)控制(Neural Adaptive Control)
<P>4．實(shí)用反問(wèn)傳播控制(Back—propagation of Utility)
<P>5．適應(yīng)評(píng)價(jià)控制(Adaptive Critics)
<P>根據(jù)這五大類的劃分情況，神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)有五類不同的結(jié)構(gòu)；而且，神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中的位置和功能有所不向．學(xué)習(xí)方法也相異。</P></TD></TR>
<TR>
<TD width="100%">
<P>2.1.1監(jiān)視控制系統(tǒng) </P>
<P>用神經(jīng)網(wǎng)絡(luò)模擬人的作用而組成的控制器去對(duì)被控對(duì)象執(zhí)行控制稱為監(jiān)視控制。在很多情況中，人們可以根據(jù)對(duì)象的輸出狀態(tài)而提供恰當(dāng)?shù)目刂菩盘?hào)，從而實(shí)現(xiàn)良好的控制；也即是說(shuō)人們?cè)谙到y(tǒng)中能執(zhí)行反饋控制作用。往往在這種情況中，無(wú)法取得對(duì)象的分析模型；也即是說(shuō)，用標(biāo)準(zhǔn)的控制技術(shù)無(wú)法設(shè)計(jì)出合適的控制器。<BR>由子交替逼近的專家系統(tǒng)可以用于提供知識(shí)表達(dá)和控制形式；所以．神經(jīng)網(wǎng)絡(luò)可以用于模擬人的作用的控制器中。監(jiān)視控制系統(tǒng)的結(jié)構(gòu)如圖2—1中所示。從圖中可知：神經(jīng)網(wǎng)絡(luò)的功能在于取代人的控制作用。</P>
<P align=center><IMG height=163 src="第二章 神經(jīng)網(wǎng)絡(luò)控制.files/5.htm37.gif"
width=304 border=0></P>
<P align=center>圖2-1 監(jiān)視控制系統(tǒng)的結(jié)構(gòu)</P></TD></TR>
<TR>
<TD width="100%">
<P>在監(jiān)視控制系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)需要脫機(jī)進(jìn)行訓(xùn)練。訓(xùn)練時(shí)是采用一系列示教數(shù)據(jù)的，這些數(shù)據(jù)是人們執(zhí)行人工控制時(shí)的輸入輸出數(shù)據(jù)。輸入數(shù)據(jù)一般是傳感器所檢測(cè)出的數(shù)據(jù)，輸出數(shù)據(jù)則是人所確定的數(shù)據(jù)。也就是說(shuō)，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是執(zhí)行傳感輸入到人工控制作用的影射。這種控制在機(jī)器人控制等領(lǐng)域中有相當(dāng)大的作用。
</P>
<P>2.1.2 逆控制系統(tǒng)</P>
<P>逆控制系統(tǒng)有時(shí)也稱直接逆控制系統(tǒng)。在逆控制系統(tǒng)中，如果被控對(duì)象的模型用F表示，那么，神經(jīng)網(wǎng)絡(luò)所構(gòu)成的控制器的模型則是F<SUP>-1</SUP>，也即是說(shuō)是一個(gè)逆模型。逆控制系統(tǒng)的結(jié)構(gòu)如圖2—2所示。</P>
<P align=center><IMG height=65 src="第二章 神經(jīng)網(wǎng)絡(luò)控制.files/5.htm38.gif"
width=416 border=0></P>
<P align=center>圖2-2 逆控制系統(tǒng)的結(jié)構(gòu)</P></TD></TR>
<TR>
<TD width="100%">
<P>如果被控對(duì)象的模型可以表示為F </P>
<P>y=F(u) (2.1)</P>
<P>那么，逆控制系統(tǒng)中神經(jīng)網(wǎng)絡(luò)控制器的模型則為F<SUP>-1</SUP>：</P>
<P>u=F<SUP>-1</SUP>(y) (2.2)</P>
<P>在實(shí)際上，被控對(duì)象可以是一個(gè)未知的系統(tǒng)；在被控對(duì)象輸入端加入u*，則其輸出就會(huì)產(chǎn)生y*。用y*作為輸人，u*作為輸出去對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練．則得到的神經(jīng)網(wǎng)絡(luò)就是被控對(duì)象的逆模型。在訓(xùn)練時(shí)，神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出用u’表示。則用(u'-u*)這個(gè)偏差可以控制網(wǎng)絡(luò)的訓(xùn)練過(guò)程。</P>
<P>一般來(lái)說(shuō)，為了獲取良好的逆動(dòng)力學(xué)性能．通常在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)所取值的范圍比實(shí)際對(duì)象的輸入輸出數(shù)據(jù)的取值范圍要大一些。</P>
<P>在逆控制系統(tǒng)，神經(jīng)網(wǎng)絡(luò)直接連在控制回路作為控制器用。則控制效果嚴(yán)重地依賴于控制器對(duì)對(duì)象逆向模型的真實(shí)程度。由于這種系統(tǒng)缺少反饋環(huán)節(jié)；所以，其魯棒性嚴(yán)邁不足。對(duì)于要求有—定魯棒性的應(yīng)用目的，這種控制系統(tǒng)則存在問(wèn)題。</P>
<P>一般而言．通過(guò)在線學(xué)習(xí)可以在一定程度克服其魯棒性不好的問(wèn)題。在允許在線學(xué)習(xí)的情況中．在線學(xué)習(xí)可以調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)．使神經(jīng)網(wǎng)絡(luò)對(duì)逆模型的真實(shí)度提高。直接逆控制在機(jī)器人中應(yīng)用較為廣泛。</P>
<P>2．1．3 神經(jīng)適應(yīng)控制系統(tǒng)</P>
<P>神經(jīng)適應(yīng)控制是把神經(jīng)網(wǎng)絡(luò)用于傳統(tǒng)適應(yīng)控制方法而產(chǎn)生的新的控制方法。</P>
<P>神經(jīng)適應(yīng)控制有兩種基本形式。一種是模型參考適應(yīng)控制，一種自校正調(diào)節(jié)器。</P>
<P>神經(jīng)網(wǎng)絡(luò)模型參考適應(yīng)控制系統(tǒng)的結(jié)構(gòu)如圖2—3所示。它由參考模型M，非線性對(duì)象P，神經(jīng)網(wǎng)絡(luò)N<SUB>c</SUB>，神經(jīng)網(wǎng)絡(luò)N<SUB>i</SUB>等四個(gè)主要環(huán)節(jié)組成。</P>
<P>神經(jīng)網(wǎng)絡(luò)模型參考適應(yīng)控制簡(jiǎn)稱NMRAC(Neural Model Reference Adaptive
Control)．在系統(tǒng)結(jié)構(gòu)中，參考模型M是期望模型，其輸出y<SUB>m</SUB>是期望輸出。參考模型M由下式描述：</P>
<P>M={r(t),y<SUB>m</SUB>(t)} (2.3)</P>
<P align=center><IMG height=273 src="第二章 神經(jīng)網(wǎng)絡(luò)控制.files/5.htm39.gif"
width=531 border=0></P>
<P align=center>圖2-3 神經(jīng)網(wǎng)絡(luò)模型參考適應(yīng)控制系統(tǒng)的結(jié)構(gòu)</P></TD></TR>
<TR>
<TD width="100%" height=20>
<P>神經(jīng)網(wǎng)絡(luò)Ni是非線性對(duì)象P的辯識(shí)器。它主要是利用對(duì)象P當(dāng)前和以前時(shí)刻的輸入輸出數(shù)據(jù)來(lái)預(yù)報(bào)下一時(shí)刻對(duì)象的輸出。預(yù)報(bào)輸出Y<SUB>p</SUB>和對(duì)象輸出y<SUB>p</SUB>的伯差e<SUB>i</SUB>反映了預(yù)報(bào)的準(zhǔn)確度：
?? 快捷鍵說(shuō)明
復(fù)制代碼
Ctrl + C
搜索代碼
Ctrl + F
全屏模式
F11
切換主題
Ctrl + Shift + D
顯示快捷鍵
?
增大字號(hào)
Ctrl + =
減小字號(hào)
Ctrl + -