基于神经网自适应控制.ppt

第十讲 基于神经网络的自适应控制py1Z上面的结构图中1）TDL表示时滞环节，作用是将当前的信号延迟若干步 2）神经网络Ni对非线性对象做在线辨识，作用是通过当 前的输入输出数据预测下一步的系统输出。3）ei是预测误差，在控制过程中使用的训练准则是20|()|iTikJe tk所谓的模型参考自适应控制就是确定一个输入信号，使得在 相同参考输入下，被控对象的输出Y（k）与参考模型的输出Ym（k）之间的差保持在许可范围内。用式子表示为lim|()()|mky kyk自校正控制器的基本设计思想是：如果系统和模型的参数已知，那么可以用适当的设计方 法获得某一意义下的最优控制器。如果系统参数未知，可以用在线估计得到的参数来代替系统的真实参数。系统的参数a和不未知的一阶离散系统如下式 y(k+1)=ay(k)+bu(k)问题：设计一个控制输入u(k),使系统有期望的输出响应 y(k+1)c y(k)d r(k)分析：（1）如果系统的参数已知，则只要控制u（k）满足()()()cadu ky kr kbb被控对象就能达到期望的系统响应。（2）如果系统的参数未知，那么用通过辨识得到的系统 参数估计来代替所构成的控制为()()()cadu ky kr kbb上面就是神经网络自校正控制器的设计思想，现在来考虑 一个一阶系统(1)()()()y kf y kg f ku k引入神经网络模型代替未知函数 (),()()(),()()fgf y k wkf y kg y k w kg y k系统输出预报为 (1)(),()(),()()fgy kf y k wkg y k w k u k希望在u（k）作用下，系统输出达到期望输出r（k1）即要求(1)(1)y kr k(1)(),()(),()()fgy kf y k wkg y k w k u k()(1)(),()/(),()fgu kr kf y k wkg y k w k(1)()()()y kf y kg y k u k(1)(),()()(),()fgr kf y k wku kg y k w k加入系统的控制为 对象的输出y（k1）将依赖网络权矩阵 (),()(1)(1)()()(),()(),()fggf y k wkr ky kf y kg y kg y k w kg y k w k网络权矩阵的训练指标为 2211(1)(1)(1)22Je kr ky k由传统的BP算法可以得到学习算法为 (),()()(1)()()(),()(),()()()(1)()()(),()fffgggggf y k wkJg y ke kwkwkg y k w kg y k w kJg y ku k e kw kw kg y k w k(1)()(1)()fkfgkgJwkwkJw kw k 上面的式子收敛时，就得到自校正控制的最佳控制律