基于传统控制理论的神经控制

当前位置

基于传统控制理论的神经控制

2019-11-18 10:36

不管是什么东西你只有真正的了解之后才觉得它是多么的来之不易，就像空调的控制器，它也是分由多个部分而组成的。基于传统控制理论的神经控制：将神经网络作为传统控制系统中的一个或几个部分，用以充当辨识器，或对象模型，或控制器，或估计器，或优化计算等。这种方式很多，常见的有以下一些方式：

1）神经自适应控制：这种方法是采用神经网络辨识对象模型，其余和传统形式自适应控制结构相同。

2）神经自校正控制：传统控制中自校正调节器的目的是在被控参数变化时自动调整控制器的参数，以消除扰动的影响，保证系统性能指标。它依赖系统的参数的识别本质上是以线性模型来描述实际系统，因而算法复杂，应用受到极大限制。神经网络具有良好的逼近功能，不仅可以避免参数识别、简化算法，而且可以延拓到非线性系统。

3）神经容错控制：由神经网络对系统装置进行故障诊断，一旦发现错误，立即通知容错控制来及时调整其结构，以保证系统正常运行。

4）神经内模控制：在传统的内模控制结构中，用一个神经网络作为模型状态估计器，另一个神经网络作为控制器（或仍采用常规控制器），就构成了神经内模控制的结构形式。

5）神经预测控制：采用神经网络对象响应预报器NNM和神经网络NNC，可以构成一种神经预报控制的结构形式。NNM提供的预报数据送入人优化程序，使性能目标函数在选择合适的控制信号条件下达到最小值。

6）神经最优决策控制：在最优决策控制系统中，状态空间根据不同控制条件被分成特征空间区域，控制曲面的实现是通过训练过程完成的。由于时间最优曲面通常是非线性的，因此需要使用能够逼近非线性的结构。

7）神经自适应线性控制：神经网络不仅可用于非线性控制，也可以用于线性控制系统。PID控制是线性控制中的常用形式，其控制参数整定困难，尤其是不能自调整。采用神经网络PID控制参数，就构成了神经网络PID控制的结构。

神经网络和线性控制的结合还有其它结构形式，例如神经网络与常规反馈控制的结合。神经网络先根据样本训练，在学习阶段采用常规控制，当学习结束后，常规控制不再起作用，由神经网络控制器来控制。

值和说明的是，神经网络控制的关键是选择一个合适的神经网络模型，并对其进行训练与学习，直到达到符合标准为止，即寻找最优的神经网络结构与权值。且神经网络的学习，需要一定的实验样本，这些实验样本需要从书籍经验和事先的实验中获得。同时，神经网络的训练与学习过程，有时较为复杂，需要运行成千上万次才能获得最佳结构。有时获得的是一个局部最优解，而不是全部最优解。这些就是神经网络控制的局限性。

上一篇：控制系统要求的性能指标

下一篇：混沌控制的基本理念

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