自动化系仪自教研室
5.5 ANN在控制中的应用 5.5.1 基于ANN的系统建模 5.5.2 基于ANN控制器的系统综合 5.5.3 基于ANN的控制参数优化 5.5.4 ANN控制仿真
自动化系仪自教研室
5.5.1 基于ANN的系统建模
❖ 系统建模的两类方式
基于机理的建模
电路系统-电路理论
…… ……. ……
基于数据的建模
白箱模型 (White Box) 结构已知 参数未知 (Parameter Identification)
灰箱模型 (Gray Box) 结构未知&固定 参数未知
黑箱模型(Black Box) 结构未知&待定 参数未知
系统辨识/参数辨识
自动化系仪自教研室
5.5.1 基于ANN的系统建模
(b) 逆向模型辨识
自动化系仪自教研室
5.5.1 基于ANN的系统建模
❖ 线性系统的结构&参数辨识
结构的辨识(确定阶数)
参数的辨识
根据Hankel 矩阵的秩
最小二乘类参数辨识
利用行列式比
极大似然法和预报误差方用最终预报误差准则
自动化系仪自教研室
5.5.2 基于ANN控制器的系统综合
❖ 单神经元(PID)控制系统
神经元PID控制器的输出为:
3
u(k) wi(k)Xi(k) i1
X1 e(k) X2 e(k)e(k1) X3 e(k)2e(k1)e(k2)
自动化系仪自教研室
5.5 ANN在控制中的应用 5.5.1 基于ANN的系统建模 5.5.2 基于ANN控制器的系统综合 5.5.3 基于ANN的控制参数优化 5.5.4 ANN控制仿真
期望值r
逆动力学 NNC
被控对象
输出值y
目标函数
自适应逆控制的基本思想就是用被控对象传递函数的逆模型作为串联 控制器对控制对象实施开环控制。
神经网络先离线学习被控对象的逆动力学模型，然后用作对象的前馈 串联控制器。由于开环控制缺乏稳定性，所以神经网络还需要根据系 统的反馈误差在线继续学习逆动力学模型
自动化系仪自教研室
模型输出；
z(k)：
含噪声的系统输出；
v(k)：
作用于系统输出端的噪声。
自动化系仪自教研室
5.5.1 基于ANN的系统建模
❖ 正向辨识与反向辨识
n (k)
u(k)
z(k)
P
-
Pˆ(NN )
学习算法 e(k )
(a) 正向模型辨识
n (k)
u(k)
z(k)
P
- Pˆ 1(NN )
学习算法 e(k )
Kirchhoff's Laws et.al
机械系统-机械力学
Euler–Lagrange equation Newton's second law et.al
热力系统-热力学
Thermodynamic equations et.al
电磁系统-电磁学
Maxwell's equations et.al
自动化系仪自教研室
5.5.2 基于ANN控制器的系统综合
❖ 神经网络模型参考间接自适应控制
在直接自适应控制的基础上，引入了一个神经网络辨识器（NNI）来对 被控对象的数学模型进行在线辨识，这样可以及时地将对象模型的变化 传递给NNC，使NNC可以得到及时有效的训练。
自动化系仪自教研室
5.5.3 基于ANN的控制参数优化
…… ……. ……
模型参考自适应方法 …… ……. ……
自动化系仪自教研室
5.5.1 基于ANN的系统建模
❖ 非线性系统的结构&参数辨识
非线性模型的结构
Hammerstein-Wiener型非线性 模型
多项式非线性模型
参数的辨识
BP学习算法 最小二乘学习算法
已知结构的非线性模型 …… ……. ……
❖ 神经网络直接反馈控制系统
期望值r
学习算法
e 神经网络控制器
y 被控对象
神经网络直接用作误差闭环系统的反馈控制器，神经网络控制器首 先利用其它已有的控制样本进行离线训练，而后以系统的误差的均 方差为评价函数进行在线学习。
自动化系仪自教研室
5.5.2 基于ANN控制器的系统综合
❖ 神经网络逆控制系统
❖ 什么是系统辨识？
依据系统提供的测量信息，在某种准则意义下，估计模型结 构和未知参数。
n (k)
+
u(k)
y(k)
P
Pˆ 辨识算法
yˆ ( k ) -
e(k)
系统辨识原理图
m inz(k)y ˆ(k) F
z(k)
P：
待辨识系统
u(k), y(k)： 输入输出时间序列
Pˆ ：
待辨识系统的模型；
yˆ (k ) ：
智能控制基础
5. 人工神经网络
5. 5 人工神经网络在控制中的应用
Shanghai University, Shanghai, P.R.China
1
5.5 ANN在控制中的应用 5.5.1 基于ANN的系统建模 5.5.2 基于ANN控制器的系统综合 5.5.3 基于ANN的控制参数优化 5.5.4 ANN控制仿真
❖ 神经网络学习控制系统
神经网络学习控制系统将神经网络与常规误差反馈控制结合起来，首先用 NN学习对象的逆动力学模型，然后用NN作为前馈控制器与误差反馈控制器 构成复合控制器来控制对象。系统以反馈控制器的输出作为评价函数来调节 神经网络的权值。这样，在控制之初，反馈控制器的作用较强，而随着控制 过程的进行，NN得到越来越多的学习，反馈控制器的作用越来越弱，NN控 制器的作用越来越强。
自动化系仪自教研室
5.5.2 基于ANN控制器的系统综合
❖ 神经网络模型参考直接自适应控制
模型参考自适应控制的目的是：系统在相同输入激励r的作用下，使被控对象 的输出y与参考模型的输出ym达到一致。这样通过调整参考模型，可以调整系 统的动态特性。
神经网络控制器（NNC）先离线学习被控对象的逆动力学模型，与被 控对象构成开环串联控制，而后神经网络根据参考模型输出与被控对象 输出的误差函数进行在线训练，使误差函数最小。
T-S模糊系统
…… ……. ……
反馈神经网络 …… ……. ……
自动化系仪自教研室
5.5 ANN在控制中的应用 5.5.1 基于ANN的系统建模 5.5.2 基于ANN控制器的系统综合 5.5.3 基于ANN的控制参数优化 5.5.4 ANN控制仿真
自动化系仪自教研室
5.5.2 基于ANN控制器的系统综合