智能控制基础.doc

《智能控制基础.doc》由会员分享，可在线阅读，更多相关《智能控制基础.doc（46页珍藏版）》请在三一办公上搜索。

1、硕士研究生课程智能控制基础王劭伯 编著福州大学电气工程与自动化学院2006年8月课程说明目的要求：本课程的目的是让研究生掌握智能控制的基本概念与基本方法，并能巧妙结合控制理论，提高解决复杂的控制工程问题的能力。要求能编制相应的程序去实现智能控制算法。教学内容：主要包括：智能控制基本概念、专家控制、神经元网络控制及二次实验，详见目录。计划学时：30。考试方式：可结合自己的研究方向、条件和兴趣选题，完成一份研究报告。关于“研究报告”的写法，可灵活多样。例如1）有条件编程序并上机实验的，可参考学术会议或学术期刊对论文的要求写研究报告，并附上程序清单与说明。2）条件欠缺的，可撰写关于“专家控制”或“神

2、经元网络控制”专题的综述报告。主要参改文献：1. 孙增圻等编著，智能控制理论与技术，清华大学出版社，1997年。2. 蔡自兴、徐光佑，人工智能及其应用，清华大学出版社，2000年。3. 邵军力等编著，人工智能基础，电子工业出版社，2000年。4. 王永骥、涂健编著，神经元网络控制，机械工业出版社，1998年。5. 王顺晃、舒迪前编著，智能控制系统及其应用，机械工业出版社，1995年。6. 袁南儿等编著，计算机新型控制策略及其应用，清华大学出版社，1998年。7. 陶永华等编著，新型PID控制及其应用（第2版），机械工业出版社，2002年。8. 刘金琨著，先进PID控制及其MATLAB仿真，电子

3、工业出版社，2003年。9. 刘金琨编著，智能控制，电子工业出版社，2005年。目录第一章 智能控制概述1.1 基本概念1.2 智能控制的一些重要研究课题与研究领域1.3 人工智能与智能控制的常用语言第二章 专家控制2.1 概述2.2 专家控制的基本原理与典型结构2.3 知识的表达与推理2.4 专家控制实例分析2.4.1 调速专家控制器2.4.2 智能自适应PI调节器实验一：一种专家控制器的设计及其程序实现（上机）第三章 神经元网络控制3.1 概述3.2 常用神经网络原理及其学习算法3.2.1 前馈神经网络3.2.2 反馈神经网络3.3 神经网络控制器的设计与实例分析3.3.1概述3.3.2

4、神经网络监督学习控制器（SNC）3.3.3 基于单个神经元的自适应控制实验二：一种神经元网络控制器的设计及其程序实现（上机）第四章 智能控制的其它分支与研究课题4.1 概述4.2 学习控制4.3 进化算法第五章 实例研讨第一章 智能控制概述提要：本章讨论什么是“人工智能”、“专家系统”、“神经元网络”、“智能控制”，介绍智能控制的基本概念，探讨智能控制的本质与特点。1.1 基本概念1. 什么是人工智能（Artificial Intelligence）参考：蔡自兴等，人工智能及其应用，清华大学出版社，2000。邵军力等编著，人工智能基础，电子工业出版社，2000。“人工智能”这个术语始于1956

5、年。人们研究人工智能是要用计算机模拟人的智能行为。于是问题就产生了：智能的本质是什么？计算机能达到什么样的智能水平？到底什么是人工智能，迄今为止没有公认的明确的定义。美国辛辛那提大学黄联成博士认为，对此不必争论不休，我们只要注意在这个研究领域有什么新的成果可以拿来利用，我们将它用上，如果效果很好，就可以感到满意了。这种注重实效的观点很值得我们从事人工智能应用研究的人参考。人们终于发现，不能追求万能的通用问题求解策略，必须将工作集中到在很狭窄范围内定义的应用问题上。由于对人工智能的本质有不同的理解，人们从不同的角度模仿人的智能，便产生了人工智能的各个分支。例如：模拟人类专家的逻辑推理 专家系统

6、（基于逻辑的符号推理方法，符号主义）。模拟人脑神经网络的结构与功能神经元网络（基于网络的联接机制方法，联接主义）。人工智能的研究目标是：研究使用计算机产生人类智能的基本原理及其实现技术。人工智能的研究与应用领域 （见蔡自兴p6-p15）：l 问题求解（Problem Solving），如下棋程序；l 定理证明（Theorem Proving），如四色定理证明、信息检索；l 自然语言理解（Natural Language Understanding），如语言翻译、语音理解；l 自动程序设计（Automatic Programming），即超级编译程序；l 专家系统（Expert System），

7、如医疗诊断专家系统、地质勘探专家系统；l 机器学习（Machine Learning）；l 机器视觉（Machine Vision）；l 机器人（Robots）；l 人工神经网络（Artificial Neural Networks）；l 模式识别（Pattern Recognition），如手写字符识别、汽车牌照识别；l 智能控制（Intelligent Control）如模糊控制、专家控制、神经网络控制；l 智能调度（Intelligent Scheduling），如推销员旅行问题、汽车运输调度系统；l 注：（1）并非采用了计算机或微处理器的系统都可称为智能系统。（2）智能化方法并不排斥已

8、取得的理论成果。2. 什么是智能控制（智能控制系统）究竟什么是智能控制？目前还缺乏公认的定义和明确的概念。下面我们给出一个通俗的粗略的定义：具有模拟、延伸、扩展人的智能特性，或采用人工智能与控制理论相结合的方法和技术设计和实现的控制系统都可以称为智能控制系统。这里人的智能特性包括多层次多方面的智能特性，例如自学习、自适应、自组织、自寻优、自识别、自协调、自修复等。智能控制方法中比较典型的有三种：l 模糊逻辑控制。l 神经网络控制。l 专家控制。3. 智能控制的提出（智能控制的研究对象）参考：孙增圻等，智能控制理论与技术，P1。袁南儿，计算机新型和策略及其应用P8P9为什么要研究智能控制？智能控

9、制用于什么对象？智能控制的提出主要是由于如下二个方面的原因：1）社会需求的推动80年代以来，世界各国工业向着大型、连续、综合化发展，构成的控制系统也变得越来越复杂，其复杂性可归纳为如下三个方面：（1）对象复杂，包括a模型具有不确定性，即模型未知或知之甚少，或模型的结构和参数可能在很大范围内变化。b控制对象具有高度非线性。c. 输入信息可能是多媒体的。（2）环境复杂，存在大量的不确定性因素。例如：输入信息的模糊性、不完全性、干扰、噪声等。（3）任务复杂，例如：系统的自动启停，故障的自动诊断，紧急情况的自动处理，多目标，多媒体。人们需要解决那些用传统方法难以解决的复杂系统的控制问题，其中系统的不确

10、定性（包括对象的不确定性与环境的不确定性）是最困难的问题，也是对传统控制的最大挑战。为此，人们必须寻求新的理论与方法，控制工程实践方面的问题与需求导致了智能控制策略的产生。2）人工智能研究的进展对自动控制领域的渗透与影响。各学科的相互渗透、相互交叉，相互结合往往导致新的研究课题的出现。智能控制的典型应用领域：l 智能机器人系统l 计算机集成制造系统（CIMS）l 复杂的工业过程控制系统l 航空航天控制系统l 社会经济管理系统l 。4. 智能控制系统的主要功能特点参考：孙增圻等，智能控制理论与技术，P3P4。蔡自兴等，人工智能及其应用，P337。李衍达等，智能控制与智能自动化，95年论文集，P5

11、0P51。1）学习功能低层次的学习，例如对被控对象的参数或控制器的参数的学习。高层次的学习，例如知识的更新和遗忘。2）适应功能与传统的自适应控制相比，具有更广泛的意义与更高的层次。不依赖模型，有故障自诊断、容错甚至自修复的功能。3）组织功能是指对于复杂的任务与分散的传感信息具有自行组织和协调的功能。也表现为系统具有一定的主动性和灵活性。4）能综合分析处理定量的与定性的、确定性的与模糊的或带有不确定性的各种信息。由于智能控制系统具有以上主要特点，必须综合运用人工智能、控制理论、运筹学、信息论等多种学科知识才能很好地进行系统的分析与综合。问题：（1）为什么智能控制难以建立统一的理论、方法与结构？（

12、2）为什么智能控制有各种各样的形式，人们对智能控制有各种各样的理解和看法？1.2 智能控制的一些重要研究课题与研究领域参考：李衍达等，智能控制与智能自动化，95年论文集，P5152。王顺晃等，智能控制系统及其应用，P5P12。蔡自兴等，人工智能及其应用，P337340。1）理论问题。例如：模型问题（特征模型），稳定性分析（稳定性判据？），鲁棒性分析，系统设计（各种典型的智能控制方法的设计）。2）人机关系。人机应各自发挥所长，互为补充。适当的人工干预应该有好处。人机系统可能是将来最有希望或是最有效的智能控制系统之一。3）定性、定量信息的综合集成方法。4）可靠性问题。如何保证系统长期具有良好的控制

13、性能。自我故障诊断及排除。容错性，鲁棒性。5）其它技术细节问题，例如：实时推理，知识获取。1.3人工智能与智能控制的常用语言应根据目的、任务及所用的技术设备决定采用什么编程语言。1） 以知识表达与逻辑推理为目标的逻辑型编程语言，有LISP语言、PROLOG语言2） 以数值为主要目标的传统编程语言，有BASIC语言、FORTRAN语言；C语言、VC+、VB；MATLAB语言。3）其它，如PLC指令或梯形图，单片机汇编语言。第二章 专家控制提要：本章讲述什么是专家系统、专家系统在自动化领域的几种典型应用方式、专家控制的基本原理与典型结构、知识的表达与推理，并列举调速专家控制器与智能自适应PI调节器

14、二个专家控制实例。2.1概述2.1.1 专家系统1. 什么是专家系统（Expert System） 袁P18、孙P240、蔡P131。60年代后期专家系统的研究取得成功。专家系统是一种基于知识的计算机程序系统，这些程序能在某个特定领域内，利用人类专家的知识、经验和解决问题的方法来解决该领域的高难度问题，尤其是能在不精确、不确定或不完全的信息基础上进行推理，作出结论。2. 专家系统的基本组成（基本结构） 孙P241242 、袁P1819。1）知识库，包括 规则库，用于存放作为专家经验知识的判断性知识、理论知识、常识性知识等。 数据库（黑板），用于存放原始数据，中间结果。2）推理机，这是一种能应用

15、知识库进行自动推理、求解问题的计算机软件系统。2.1.2 专家系统在自动化领域的几种成功应用方式 袁P2021l 专家控制系统l 专家操作指导系统（强调人机协同思维，人机的最优结合）l 专家故障诊断系统（可进一步发展为容错控制）l 专家信息处理系统2.2 专家控制的基本原理与典型结构 袁P2、孙P2452512.2.1 专家控制的由来 孙P240传统控制理论主要源于数学分析和数值计算，应用控制理论可能实现快速的精确的控制或最优控制，其局限性是多数方法对被控对象或过程的数学模型有较大的依赖性，要求模型有一定的精确度。而专家系统是一种基于知识的系统，专家系统技术的特点是能处理定性的、不确定的知识信

16、息，但存在专家经验知识的获取问题。因此人们设想，能否将二者巧妙结合，相互取长补短？由此产生了专家控制。到目前为止，专家控制并没有明确的公认定义。粗略地说，专家控制是指将专家系统的设计规范和运行机制与传统控制理论和技术相结合而成的实时控制系统的设计和实现方法。专家控制又称为基于知识的控制或专家智能控制。2.2.2 专家控制的功能目标 孙增圻P246专家控制的功能目标是模拟、延伸、扩展“控制专家”的思想、策略和方法。这里控制专家包括研究者、工程师、系统操作人员等，思想、策略和方法包括理论方法、直觉经验、手动控制技能等。专家控制不是对传统控制理论和技术的排斥、替代，而是对它的包容和发展（即复盖并超过

17、传统控制技术）。专家控制系统相当于控制闭环中加入一个富有经验的控制工程师，在算法选择，参数整定方面经验丰富，运用自如。2.2.3 专家控制的分类与结构 袁P22、孙P2451. 按功能结构 袁P22 图2.2、图2.3l 间接式专家控制，通过对常规控制器的调整（结构、参数），间接影响被控制过程。l 直接式专家控制，直接给出每一采样时刻的控制信号。2. 按复杂程度l 专家控制系统。l 专家式智能控制器。（相对简单）3. 其它2.3 知识的表达与推理 袁 P25P322.3.1知识的分类 袁P26 、P2661）按知识的作用l 事实性知识，指某问题领域的概念、事实、事物的属性等，例如系统状态、条件

18、。l 过程性知识，指某问题领域内的定理、定律、经验等。l 控制性知识，即元知识，是关于知识的知识 ( Metaknowledge / Metarules )。2）按知识的结构层次l 浅层知识，即一般的经验知识。l 深层知识，即模型知识，能深入表示事物的结构、行为、功能等。2.3.2知识表示方法 袁P2628、孙P242243。1）产生式规则（heruistic rule）注：heuristic意为启发式的、靠经验的，用英语解释即by experience。一般形式：条件操作，或前提结论。编程：C语言的IF语句，Switch语句。技巧：将知识库分为几个层次。先进行低层推理，若时间允许进一步进入上

19、一层搜索，以获取更好的结果。2） 框架（frame）是一种主要表示叙述性知识的数据结构，可描述事物若干方面的信息。特点：高度模块化，嵌套结构，便于表达不同层次的知识。编程：C语言的结构体。3）其它语义网络，用于自然语言理解。谓词逻辑，用于定理证明、自动程序设计。2.3.3产生式系统的推理 袁P29321）推理过程：2）推理方向：（与几何证题相类似） 正向推理，即事实驱动推理方式。这种方式简单、易于实现，但中间结论的选取有难度，不适用于复杂的大型系统。 反向推理，即目标驱动推理方式。这种方式选择初始目标有很大的盲目性，适用于结论单一、明确的场合。 双向推理，即混合推理。这种方式兼有二者优点，但是

20、需考虑结合点的选择及正反向比重的均衡问题。注意巧妙利用不完备知识进行不确定性推理（Uncertain Reasoning）或猜测推理。2.4 专家控制实例分析2.4.1调速专家控制器（带专家控制器的全数字化直流电机调速系统）袁P41P511. 设计要求要求设计一种全数字化的晶闸管直流调速系统，并应用专家系统的理论和方法，提高电机调速系统的性能。具体要求是：控制器能分析计算并判断各种运行状态，给出适当的晶闸管触发信号，使得直流调速装置能快速、无超调起制动，并在进入稳态后保持要求的静态精度。注：一般直流调速器要求能四象限工作，包括正反向起制动的全过程。l 正起反制l 反起正制2. 硬件设计（略）3

21、. 控制策略 袁P44P461）恒值控制（适用于起动阶段）u (k)r () Um 其中：r ()1，而r () 1时为最大恒值控制；Um由晶闸管变流装置及电动机允许的最大电流决定。2）维持控制（适用于稳态运行阶段）u (k)= u (k-1)3）带PD反馈的PI控制（适用于接近稳态，或稳态运行时受到干扰的恢复过程）u (k) = L（u（k-1），i (k)，i（k-1），n（k），n（k-1），n*（k）其中：i (k) 为电流反馈； n（k）为转速反馈； n*（k）为转速给定。4. 控制规则（知识库）以“正起反制”为例。R1：若正向起动或反向制动，则h11。R2：若h1=1且e（k） M

22、1，则u（k）= Um1（正向）。R3：若h1=1且e（k） N1，则u（k）= Un1（反向）。 R6：若e（k）且e（k），则u（k）=u（k-1） 否则 u (k) = L（u（k-1），i (k)，i（k-1），n（k），n（k-1），n*（k）其中：M10、Um10、N10、Un10 为经验数据， 、为足够小的数。5. 专家系统技术的应用1）基本的调速专家控制器。2）硬软件的专家自诊断与系统保护。3）应用调速系统的生产过程的专家控制。2.4.2变参数PID专家控制器假设被控对象为实验室内的某电加热系统，要求系统既有很好的动态性能（快速调温），又有较高的稳态精度（误差不超过给定的2%）

23、。已知当给定温度为50oC时，该温度控制系统被控对象的近似数学模型为带有纯滞后的一阶惯性环节： （2-1）其中为被控对象中不含纯滞后的部分，为纯滞后部分。取采样周期=5秒可得被控制量的差分表达式为：yk = 0.9927yk-1 + 0.01099uk-35 (2-2)式中yk是kT时刻的输出测量值，uk-35是（k-35）T时刻的控制量。基本PID控制算法的控制量uk表达式为：uk=uk-1+Kp*(ek-ek-1)+Kip*ek+Kdp*(ek-2*ek-1+ek-2) (2-3)式中uk是kT时刻的控制量，ek是kT时刻的误差，Kp、Kip、Kdp为PID控制参数。采用基本PID控制算法

24、作数字仿真，可该系统的一条较好的阶跃响应曲线如图2.3所示，其上超调量为0.49oC, 下超调量为0.01oC，但调节时间需148拍，快速性较差。这是因为在系统升温的开始阶段，基本PID算法的控制量较小，需通过积分过程逐步增大，从而使系统升温速度较慢。采用变参数PID控制算法，则能使系统在起始阶段有较大的控制量，使系统快速升温，而在被控对象温度快要接近给定温度时，又能使控制量迅速减小，使系统不会出现太大的超调。变参数PID控制算法的典型实现方式一般有：分段常数式变参数PID控制、分段线性算式变参数PID控制、分段非线性算式变参数PID控制，输出有限幅的变参数PID控制，此外还有其它方式，例如预

25、估式变参数PID控制等。对于变参数PID控制算法来说，如何分段？各段参数如何选择？这些问题要依据控制专家的经验知识与经验数据。图2.3 基本PID控制的阶跃响应曲线下面简要介绍一下分段线性算式变参数PID控制。图2.4 分段线性算式变参数PID控制的阶跃响应曲线分段线性算式变参数PID控制算法的控制量uk表达式为：其中的变参数fe与误差e(k)之间是线性关系，即，式中变参数fe也称为变增益，参数a和b为专家的经验数据，需要我们在实验中反复试探，使系统的控制效果满足要求。这种算法用VB语句可描述如下：e(0) = r - y(0)er = e(0) / (r - yo)If er 0.95 Th

26、en fe = 1.1 * er + 1 ElseIf er 0.9 Then fe = 6.4 * er + 15 ElseIf er 0.05 Then fe = 0.049 * er Else fe = 1End Ifu(0) = u(1) + fe * Kp * (e(0) - e(1) + Kip * e(0) + Kdp * (e(0) - 2 * e(1) + e(2)该算法中各段参数都是专家的经验数据，对于不同的被控对象应重新调整。对于上述电加热系统，采用数字仿真可得分段线性算式变参数PID控制算法的一条较好的阶跃响应曲线如图2.4所示，其上超调量为0.48oC, 下超调量为0

27、.23oC，调节时间仅需69拍。其它方式的变参数PID控制有可能取得更好的效果。例如预估式变参数PID控制（作者已另文介绍）对于同一对象的阶跃响应曲线如图2.5所示，其上超调量为0.05oC, 下超调量为0.06oC，而调节时间仅需46拍！图2.5 预估式变参数PID控制的阶跃响应曲线2.4.3 三贮水筒液位智能自适应控制系统1. 系统简介三贮水筒液位控制系统是用于研究自适应控制、鲁棒控制、模糊控制、神经网络控制及系统辨识的典型实验室装置。图2.6与图2.7分别是三贮水筒液位控制系统的外形图与结构示意图。我们利用该实验装置进行智能自适应控制的研究。图2.6三贮水筒液位控制系统的外形图2.7三贮

28、水筒液位控制系统的结构2. 控制策略1）将PI控制算法作为基本的算法模块。该算法适用于一般恒值控制系统。2）增加一个控制器参数自整定模块。即应用专家系统方法需要编制一个程序模块，使之在被控对象的参数发生变化且系统性能指标不能满足要求时能模拟人类控制工程领域的专家在线进行控制器的参数整定。3. 专家经验知识（整定PI控制器参数的专家经验知识）设PI控制算式为 1）如果系统的调整时间超过容许值，或系统受到负载扰动时出现较大偏差且偏差消除太慢，则增大Kp或Ki。2）如果系统出现振荡，或超调超过容许值，则 一般情况应适当减小KP或Ki。 采样周期太长也会影响稳定性，此时应缩短采样周期。3）如果系统上超

29、调太大，则 一般情况应适当减小Ki或KP； 若减小KP上超调反而变大，则可适当增大KP试一试。4）系统在启动时下超调太大，并且在接近稳态时上升太慢。 适当减小KP； 适当增大Ki。5）系统所允许的最大超调量百分数与调整时间应根据实际需要与可能性合理设定，否则二者有可能不能兼顾，如果发生这种情况，应采用折衷方案或有所倾向。6）注意相互影响的几个关联关系（尤其当性能指标不能兼顾时应注意）。例如，KP与Ki的取值会相互影响；大滞后系统容易发生振荡，KP与Ki的取值应小些；负载扰动大的被控对象，为了缩短受干扰后的恢复过程，KP与Ki的取值应大些。7）如果能实现归一参数整定法，可使参数整定工作大大简化。

30、4. 难点或技术细节问题应考虑如何观测系统状态？如何检测性能指标是否满足要求？1）如何判断系统是否振荡，如何求振荡次数？2）如何求最大超调量？3）如何确定调整时间？图2.8 系统状态的识别提示：（1）若e (k)，且e (k-1) ， 则出现新的正半波，正半波个数加1。（2）若e (k)，且e (k-1) ， 则出现新的负半波，负半波个数加1。（3）当出现正半波时，取或。（4）一出现负半波，即累积计时，直至负半波结束，显然累积值与恢复时间有关。下面是采用Modicon A250 PLC实现三贮水筒液位智能自适应PI控制的程序。该程序共有三个模块： PI控制模块， 状态识别模块， 参数整定模块。

31、程序中W表示给定信号，X表示反馈信号，Y表示输出的控制量，XD表示误差，XDE表示前一个采样时刻的误差，KP表示比例系数，TA/TN表示采样周期与积分时间常数之比，TA1表示控制周期，TA2表示自整定周期，X+-为1表示负半波，为2表示正半波，ZS-表示负半波个数，ZS+表示正半波个数，XM+表示超调量，TU表示调节时间。具体设计时还应注意： 对性能指标的要求不宜过分； 调整控制器参数的步长要适当； 采样周期（即控制周期）和自整定周期应合理选择。2.4.4 智能自整定PI控制器1设计要求设被控对象（电加热器）的传递函数为 G（s） ，其中模型参数K1.8，T1150，2600，60，且这些模型

32、参数可在一定范围内变化，即100T1200，5002700，20100。请设计一个（智能）自适应控制器，与被控对象组成一个恒值调节系统（假定参考输入r=50），要求当被控对象的参数变化时，系统始终能保证如下的性能指标：1）稳定性。若被控对象的参数变化后系统发生振荡，控制器能自动调整其参数，使系统尽快稳定下来。2）最大超调量百分数 M，这里M可设定，例如M=2%。3）调整时间t s T0，这里T0可设定，例如T01505秒。4）稳态误差e接近于0，或e0.01r。提示：需要数字仿真时，可用MATLAB软件求广义对象的G（z）。 H=tf(1.8,90000 750 1,inputdelay,60

33、)Transfer function: 1.8exp(-60*s) * - 90000 s2 + 750 s + 1 Hd=c2d(H,5,zoh)Transfer function: 0.0002466 z + 0.0002432z(-12) * -z2 - 1.959 z + 0.9592故得：yk = 1.959yk-1 0.9592 yk-2+ 0.0002466uk-13 + 0.0002432uk-142. 专家经验知识（同2.4.3，略）实验一 一种专家控制器的设计及其程序实现（或 变参数PID专家控制器的设计及其程序实现或 智能自整定PI控制器的设计及其程序实现 ）提示：1.

34、参考2.4.2与2.4.3 的思路编程，程序具有模块化结构。2. 被控对象可采用数字仿真或物理仿真方法（取参考输入r=50，采样周期T=5秒，）。数字仿真可应用MATLAB软件、VB或C语言。物理仿真可应用带有多功能卡的工业PC（VB或C语言编程）或具有12位模拟量输入模块和浮点运算功能的PLC。3. 若采用数字仿真，可设被控对象为带有纯滞后的一阶惯性环节或带有纯滞后的二阶惯性环节： ， 其中170、T1680和K01.5可在一定范围内变化。 ，其中模型参数K1.8，T1150，2600，60，且这些模型参数可在一定范围内变化，即100T1200，5002700，20100。4. 进行智能自整

35、定PI控制器的数字仿真实验，可取参考输入为方波信号。第三章 神经元网络控制提要：本章主要讲述常用神经网络原理及其学习算法，包括前馈神经网络和反馈神经网络，并介绍神经元网络控制器的设计方法与实例。本章最后安排一个实验（一种神经元网络控制器的设计及其程序实现）。3.1 概述1. 生物神经元的结构研究人员主要有生物学家和生理学家。生物学家注重刺激响应，生理学家注重脑的功能（认知和行为功能），人们针对生物神经元的结构提出了各种设想与见解。一般认为，生物神经元的结构包括：树突 细胞体 轴突与轴突未梢 突触 （ 树突 细胞体 其中：树突相当于控制器的输入端与输入通道；细胞体相当于控制器的信息处理单元；轴突

36、与轴突未梢相当于控制器的输出通道与输出端；突触相当于控制器的输入输出接口。2. 人工神经元模型孙增圻P125 、P126研究人员主要是计算机、自动化、数学等方面的专业人员。人们试图用物理器件或计算机模拟人脑，以便用机器代替人脑的部分劳动。迄今为止，人们已提出几百种人工神经元模型。图3.2是最典型的人工神经元模型。人工神经元可看成是生物神经元的结构与功能的模拟与近似。这种神经元模型的输入输出关系（数学表达式）为其中j称为阈值，wji称为连接权系数，f()称为输出变换函数。一般说来，不同的应用场合采用不同的变换函数。图3.3表示了在自动化领域常用的几种变换函数。1）线性函数（比例函数）y = f(

37、s)=s如图3.3（a）所示。2）符号函数（硬限幅函数） 如图3.3（b）所示。3）Sigmoid函数（S型函数） 如图3.3(c)所示，曲线的曲率可以通过改变值的大小来调整。3. 人工神经网络人工神经网络用许多人工神经元按某种结构连接构成的，是人脑神经网络的某种简化、抽象和模拟。影响人工神经网络的特性与能力的几个主要因素是：人工神经元模型及其变换函数、网络的拓扑结构、学习方法等。人工神经网络的典型结构主要有：前馈型网络（例如BP网络）、反馈型网络（例如Hopfield网络）、互连网络。4. 人工神经网络的学习方法1）人工神经网络连接权的确定方法主要有如下二种： 直接计算； 通过学习。学习方法

38、是人工神经网络研究中的核心问题，学习方法归根结底就是网络连接权的调整方法。2）几种基本的学习规则：（1）Hebb学习规则根据生理学中条件反射机理，如果两个神经元同时兴奋（即同时被激活），则它们之间的突触连接被加强。连接权调整量的表达式为：wji = yj yi其中：wji 为神经元i到神经元j的连接权；yj 和 yi 分别为神经元j和神经元i的输出（激活值）；为学习速率。（2）学习规则学习规则利用已知样本对神经元之间的连接权和阈值进行学习和调整，这种方法又称为误差校正规则。这种学习规则实质上是一种梯度方法，这里的样本相当于“教师”，所以这是一个有监督的学习问题。连接权的调整量为： wji =

39、j yij = F（Yj yj）其中：wji 为神经元i到神经元j的连接权； yi 为神经元i的输出，即神经元j的输入；Yj yj为误差，即网络期望输出Yj与实际输出yj之差；F()所表示的函数关系应根据具体情况而定。5. 人工神经网络的主要研究课题1） 网络的基本特性、结构以及快速学习算法等；2） 网络的工程应用；3） 网络的硬件实现。6. 人工神经网络在控制工程中的应用1）基于神经网络的系统辩识，实质上是选择一个适当的网络模型来逼近实际系统，可用于非线性系统的辨识。2）系统控制，主要针对系统的非线性与不确定性。 具有不确定性和时变性（包括环境）的非线性系统的自适应控制问题，可单独应用人工神

40、经元网络。例如：单神经元自学习控制器。 融合多种智能技术的智能控制系统，可将神经网络与专家控制、模糊控制相结合。例如，模糊神经网络控制。 基于常规控制算法的神经网络控制，可将神经网络与常规控制算法相结合。例如，神经网络预测控制。3）控制系统的故障诊断与容错控制。4）优化计算。3.2常用神经网络原理及其学习算法3.2.1 前馈神经网络注意神经元的输入输出变换函数、学习算法、网络的结构特点。一. 感知器网络 孙增圻P1301311、单层感知器网络1）网络结构 孙 P130 图3.52）网络的输入输出变换关系 3） 用途与特点：主要用于模式分类，但只能用于线性可分模式。分界线方程为： 当n=2时该分

41、界线方程是直线方程，并且当wji 及 确定后分界线才能确定下来。因此，为了应用一种神经网络，应先解决如何确定wji 与 的问题，即学习算法问题。4）学习算法：根据已知的P组输入输出样本集，对连接权wji 和阈值进行调整，一般采用学习规则（梯度法）：其中为学习速率，dp为第p组样本的期望输出， yp为第p组输入所对应的实际输出。注意：1）要使问题有解，必须有输入样本集及线性可分的条件。2）学习速率的选择。2、多层感知器网络（略）可实现任意形状的划分。二. BP网络BP（Back Propagation）指反问传播。由于这种网络的连接权调整采用的是反向传播的学习算法而得此名。1. 网络结构孙P13

42、1图3.92. 网络的输入输出的变换关系孙P133在图3.3所示的多层前馈神经网络中，设第q层的神经元个数为 ，第q层的第i个神经元的输出为，从第q-1层第j个神经元到第q层的第i个神经元的连接权系数为。该网络的输入输出的变换关系为3. 学习算法（求解带等式约束条件的非线性优化问题） 孙P133134设给定P组输入输出样本，BP网络通过反向学习过程调整连接权系数，使拟合误差代价函数（优化目标函数）E最小，约束条件为该神经网络的输入输出变换关系式。假设取拟合误差代价函数为其中考虑如何调整连接权系数使代价函数E最小。这是一个带等式约束条件的非线性优化问题，比较典型的求解方法是采用一阶梯度法。权系数

43、的修正量（到第q层的第i个神经元的连接权系数的修正量）为应用复合函数求导法推导各层各神经元连接权系数算式，可以发现计算过程具有反向递推的特点。BP网络学习算法的反向递推计算公式如下（见孙增圻P134）：注意寻优计算可能存在如下问题：1）待寻优的参数个数太多，收敛速度慢。2）局部极值问题（初值附近）。4. 特点与用途（主要用于函数估计）优点：1）可逼近任意的非线性函数（即可实现从输入到输出的任意非线性），关键问题是学习算法，要解决学习速度较慢的问题。2）具有较好的泛化能力。孙P133泛化功能是指对于不是样本集中的输入也能给出合适的输出。网络的性能主要用泛化能力来衡量。注意“泛化功能”十分重要！否

44、则与查表法、查手册有何区别？缺点：1）收敛速度问题。2）局部极值问题。3）难以确定隐层和隐结点个数，要凭经验和试凑。4）需要有足够多的数据样本集。用途：利用其非线性映射的能力，主要用于信息处理、图象识别、模型辨识、系统控制（函数估计）。5. BP网络学习算法的改进1） 引入动量项其中为动量项因子，。该方法所加入的动量项实质上相当于阻尼项，可削弱振荡，改善收敛性。2） 变步长法按上面的变步长算法，当连续两次迭代其梯度方向相同时，表明下降太慢，这时可使步长加倍；当连续两次迭代其梯度方向相反时，表明下降过头，这时可使步长减半。3） 变尺度法或共轭梯度法。3. 训练神经网络的具体步骤和几个实际问题1） 产生数据样本集 收集原始测量数据、相关分析、找出最主要的量、确定输神经网络的输入输出； 预处理（针对异常点）、尺度变换； 确定样本个数，收集样本集数据和测试数据。2） 确定网络的类型、结构和参数包括输入层和输出层的结点个数、隐层层数和隐层结点数，注意使网络尽量简单。3） 训练和测试，注意均方误差曲线的极小点