(精选)智能控制-第八章 学习控制系统课件.pptVIP

《智 能 控 制》 Intelligent Control;第八章 学习控制系统; C. Shannon在1953年对学习给予较多限制的定义：; Simon对学习给予更准确的定义：;8.1.3 学习控制的发展;8.2 学习控制方案;(b)离线学习控制系统;8.2.1 基于模式识别的学习控制; 上图所示的基于模式识别的学习控制系统，可被推广为一具 有在线特征辨识的分层（递阶）结构，如下图所示。从图可知， 该控制系统由三级组成，即组织级、自校正级和执行控制级。;8.2.2 迭代学习控制（Iterative Learning Control); 右图给出迭代学习控制系统 的一般框图，图中， yd代表有界 连续期望输出；uk为第k次迭代参 考输入； uk+1为第(k+1）次迭代 参考输入； yk为闭环控制系统的 第k次实际迭代输出；k=1,2,…，n。;控制总输入由两部分组成，一为由反馈控制器（ＰＩＤ控制器或自适应控制器）产生的反馈输入 ，另一为由前一个控制输入 和学习控制器的输出 组成前馈输入 ，即第（k+1）次操作的总控制输入为： ;8.2.3 重复学习控制(Repetitive Learning Control);8.2.4 基于神经网络的学习控制; 成功地实现NNC的第一步就是一定要弄清楚人在控制过程中到底利用了过程及人本身什么信息。 ;M; 这是一个模拟的四维非线性动力学系统。其中 为重力加速度，状态变量分别为小车位置x，小车速度x，杆的角度θ和杆的角速度θ，记为向量 z = [ x , x , θ, θ ] T ; 1．线性导师监督学习 首先将小车-倒立摆的力学方程式在θ=0附近线性化，由此得 用作导师的线性控制律为: u = kz = k1x + k2x + k3θ+ k4θ 式中 k = [ 11.01, 19.68, 96.49, 35.57 ] ; 2．非线性导师监督学习 要寻找更复杂的老师，其办法是采用反馈线性化和解耦变换的非线性反馈，由此来抵消系统的非线性并把它变换成一个线性可控的形式。 ;评价学习神经网络控制器 ;ACE v1 vn v2 ; 评价网络的信号用来学习并产生一个评价函数，使现在的状态映射为对作用力和作用时状态的评价网络的输出是评价信号，在每一步控制后，根据对倒摆状态先前的预报和现在的状态来调整这个信号。 ;8.3 学习控制系统举例; 用于不确定过程的ＰＭＮ模型和测量传感器可由下图所示的四层反向传播网络来实现。 ;8.3.2 自学习模糊神经控制算法 ;8.3.3 弧焊过程自学习模糊神经控制系统 ;２.焊接过程的建模与仿真