控制系统要求的性能指标

当前位置

控制系统要求的性能指标

2019-11-20 11:11

传统的基于模型的控制方式，是根据被控对象的数学模型及控制系统要求的性能指标来设计控制器，并对控制规律加以数学解析来描述。模糊控制是基于专家经验和领域知识总结若干模糊控制规则，构成描述具有不确定性复杂对象的模糊关系，通过被控系统输出偏差及偏差变化和模糊关系的推理合成获得控制量，从而对系统进行控制。这两种控制方式都具有显示表达知识的特点，而神经网络不善于显示表达知识，但是它有很强的逼近非线性函数的能力，即非线性映射能力。把神经网络用于控制正是利用它这个独特的优点。

众所周知，控制系统的目的在于通过确定适当的控制量输入，使得系统获得期望的输出特性，给出了一般反馈控制系统与神经控制系统的区别，神经控制系统中是采用神经网络替代了反馈控制系统中的控制器。

现实世界中大量存在的是不确定性和难以分类。界定的事物，模糊逻辑具有模拟人脑抽象思维的特点，而神经网络具有模拟人脑的形象思维特点，将神经网络与模糊控制相结合，有助于从抽象思维和形象思维两个方面模拟人脑的思维特点，是目前实现智能控制的一种重要形式，也是这一领域的主要发展方向。

模糊系统善于直接表示逻辑，适于直接表示知识，神经网络善于学习，通过数据隐含表达知识。前者适于至上而下的表达，后者适于至下而上的学习，两者存在一定的互补、关联性，因此，它们的融合可以取长补短，更好的提高控制系统的智能性。

神经网络与模糊逻辑相结合有以下几种方式：

(a)用神经网络驱动模糊推理的模糊控制：这种方法是利用神经网络直接设计多元的隶属函数，把NN作为隶属函数生成器组合在模糊控制系统中。

(b)用神经网络记忆模糊规则的控制：通过一级神经元不同程度的兴奋，表达一个抽象值，由此将抽象的经验转化成多层神经网络的输入/输出样本，通过神经网络（如BP网络）记忆这些样本，控制器以联想记忆方式使用这些经验，在一定意义上与人的联想记忆思维方式接近。

（C）用神经网络优化模糊控制器的参数：在模糊控制系统中对控制性能影响的因素除上述的隶属函数、模糊规则外，还有控制参数，如偏差、偏差变化的量化因子及输出的比例因子，都可以利用神经网络的优化计算功能得到优化。改善模糊控制系统的性能。

神经网络滑模控制

变结构控制从本质上讲应该看做是一种智能控制，将神经网络和滑模控制相结合，就构成神经网络滑模控制。这种方法是将系统的控制或状态分类，根据系统和环境的变化进行切换和选择，利用神经网络具有的学习能力，在不确定的环境下通过自学习来改进滑模形状曲线，进而改善滑模控制的效果。

上一篇：智能信息处理机理

下一篇：基于传统控制理论的神经控制

工程技术

联系方式

电话：400-169-2099 / 138-2698-4007

传真：0796-87894188

邮箱：tomsoco@163.com

地址：东莞市清溪镇大利鹿湖东路82号