机电智能控制工程》大作业DOC.docx
- 文档编号:8261046
- 上传时间:2023-01-30
- 格式:DOCX
- 页数:17
- 大小:482.31KB
机电智能控制工程》大作业DOC.docx
《机电智能控制工程》大作业DOC.docx》由会员分享,可在线阅读,更多相关《机电智能控制工程》大作业DOC.docx(17页珍藏版)》请在冰豆网上搜索。
机电智能控制工程》大作业DOC
智能控制及装备概述
摘要:
本文对智能控制的发展历史进行回顾,并简要介绍智能控制的性能与特点,以及相对于传统控制的优势,列举了智能控制中常用的算法,包括模糊控制、基于知识的专家控制、神经网络控制和集成智能控制和基于遗传算法和迭代的学习控制等。
结合智能控制现状分析,预测了智能控制未来发展的主要趋势以及应用领域。
另外,结合智能装备的发展现状以及德国“工业4.0”和中国制造2025介绍未来制造装备发展情况。
最后,结合汽车主动悬架系统智能控制进行介绍,结合模糊单神经控制算法实现不同路面的减震控制。
关键字:
智能控制发展现状发展历史智能装备主动悬架系统
1.智能控制的发展概况
智能控制是自动控制发展的高级阶段,是人工智能、控制论、信息论、系统论、仿生学、进化计算和计算机等多种学科的高度综合与集成,是一门新兴的边缘交叉学科。
智能控制是当今国内、外自动化学科中的一个十分活跃和具有挑战性的领域,代表着当今科学和技术发展的最新方向之一。
它不仅包含了自动控制、人工智能、系统理论和计算机科学的内容,而且还从生物学等学科汲取丰富的营养,正在成为自动化领域中最兴旺和发展最迅速的一个分支学科。
对于智能制造的定义,斯坦福大学人工智能研究中心的Nilsson教授认为,人工智能是关于知识的科学,是怎样表示知识以及怎样获得知识并使用知识的科学;MIT的Winston教授指出:
人工智能就是研究如何使计算机去做过去只有人才做的智能性工作。
一个系统如果具有感知环境、不断获得信息以减小不确定性和计划、产生以及执行控制行为的能力,即称为智能控制系统。
智能控制技术是在向人脑学习的过程中不断发展起来的,人脑是一个超级智能控制系统,具有实时推理、决策、学习和记忆等功能,能适应各种复杂的控制环境;Saridis认为智能控制系统是通过驱动自主智能机来实现其目标而无需操作人员参与的系统;傅京孙把智能控制概括为自动控制(AC,AutomaticControl)和人工智能(AI,ArtificialIntelligent)的交集,即:
IC=AI∩AC;萨里迪斯等人于1977年从机器智能的角度出发,对傅的二元交集论进行了扩展,提出三元交集的智能控制概念,即把智能控制看作为人工智能、自动控制和运筹学的交点。
即:
IC=AI∩CT∩OR式中,CT为控制论(CyberneticsTheory),OR为运筹学(OperationResearch)。
表达了智能增加而精度降低这一著名原则。
下图为智能控制的二元结构与三元结构。
图1智能控制的二元结构和三元结构
智能控制是人们要求越来越高的控制性能和针对被控系统的高度复杂化,高度不确定性的情况下产生的,是人工智能渗入到应用科技领域的必然结果。
并在常规控制理论的基础上得到进一步的发展和提高。
进入21世纪以来,人类在智能控制理论方面的飞速发展,使得智能控制技术在具体应用上如鱼得水,己经开始渗透到人们的日常生活之中,从卫星智能控制,到机器人足球比赛,再到智能家居机器人,都标志着智能控制技术的飞速发展。
目前,智能控制的研究以认知科学、心理学、社会学、系统学、语言学和哲学为基础,有效的把数字技术、远程通信、计算机网络、数据库、计算机图形学、语音与听觉、机器人学、过程控制等技术有机的结合,提供了解决复杂问题的有效手段。
智能控制的发展历史分可为4个阶段:
第一阶段为智能控制的萌芽阶段20世纪40~50年代,以频率法为代表的单变量系统控制理论逐步发展起来,并且成功地用在雷达及火力控制系统上,形成了今天所说的古典控制理论。
1956年以前,英国数学家图灵(A.M.Turing)为现代人工智能作了大量开拓性的贡献。
20世纪60~70年代,数学家们在控制理论发展中占了主导地位,形成了以状态空间法为代表的现代控制理论,它建立在严密精确的数学模型之上,从而造成了理论与实践之间的巨大分歧。
1961年以后,人工智能主要内容涉及知识工程、自然语言理解等。
人们研究人工智能方法也分为结构模拟派和功能模拟派,分别从脑的结构和脑的功能入手进行研究。
20世纪70年代后,又出现了大系统理论。
但是,由于这种理论解决实际问题的能力更弱,很快被人们放到了一边。
第二阶段为智能控制的发展初期(1965~1979年)建立于严密的数学理论上的控制理论发展受到挫折,而模拟人类智能的人工智能却迅速发展起来。
控制理论从人工智能中吸取营养寻求发展成为必然。
工业系统往往呈现高维、非线性、分布参数、时变、不确定性等复杂特征。
特别是非线性对控制结果的影响复杂,控制工程人员很难深入理解,更谈不上设计出合适的控制算法。
不确定性是最难以解决的问题,也是导致大系统理论失败的根本原因。
但是,对这些问题用工程控制专家经验来解决则往往是成功的,人是最聪明的控制器,模仿人是一种途径。
1965年,美国普渡大学的傅京孙(K.S.Fu)教授首先提出了学习控制的概念,引入了人工智能的直觉推理,提出把人工智能的直觉推理规则方法用于学习控制系统。
次年,Mendel在空间飞行器的学习控制中应用了人工智能技术,并提出了人工智能控制的新概念;同年,Leondes和Mendel首次使用了智能控制(IntelligentControl)一词,并把记忆、目标分解等技术用于学习控制系统;这些反映了智能控制思想的早期萌芽,被称为智能控制的孕育期。
20世纪70年代关于智能控制的研究是对60年代这一思想雏形的进一步深化。
1956年,国际知名华裔科学家傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。
1971年。
他进一步论述了人工智能与自动控制的交接关系。
此后,许多自动控制研究人员加入了研究智能控制机理及其应用的行列,并取得一些重要进展
第三阶段智能控制新学科的条件已渐趋成熟,1985年8月,IEEE在美国纽约召开了第一届智能控制学术讨论会。
来自美国的60多位从事自动控制人工智能和运筹学研究的教授、专家和学者赴会。
会上集中讨论了智能控制原理和智能控制系统的结构。
1987年1月,在美国费城由IEEE控制系统学会和计算机学会联合召开了智能控制国际学术讨论会。
这是智能控制的第一次国际会议。
来自美国、欧洲、日本、中国和其它发展中国家的150位代表出席了这次学术盛会。
这次会议是个里程碑,它表明智能控制已作为一门新学科正式登上国际科学舞台。
之后,这一国际讨论会每年举行一次。
第四阶段为智能控制进入新的发展阶段进入20世纪90年代,关于智能控制的研究论文、著作、会议、期刊大量涌现,应用对象也更加广泛,从工业过程控制、机器人控制、航空航天器控制到故障诊断、管理决策等均有涉及,并取得了较好的效果。
国内对智能控制研究,近年来也十分活跃,除了举行各种与智能控制有关的学术会议外。
还有一些单位(如浙江大学清华大学、重庆大学、中国科学院自动化所、华东化工学院、上海交通大学和中南工业大学等)已取得一批重要研究成果。
智能控制作为独立的新学科,在国内也正在形成。
2.智能控制的性能和特点
智能控制的主要性能主要包括以下三点[1],依次是:
(1)系统对一个未知环境提供的信息进行识别、记忆、学习,并利用积累的经验进一步改善自身性能的能力,即在经历某种变化后,变化后的系统性能应优于变化前的系统性能。
(2)适应功能:
系统应具有适应受控对象动力学特性变化、环境变化和运行条件变化的能力。
这种智能行为是不依赖模型的自适应估计,较传统的自适应控制有更广泛的意义。
(3)组织功能:
对于复杂任务和分散的传感信息具有自组织和协调功能,使系统具有主动性和灵活性。
除以上功能外,智能控制系统还应具有实时性、容错性、鲁棒性和友好的人机界面。
除以上功能外,智能控制系统还应具有相当的在线实时响应能力和友好的人机界面,以保证人机互助和人机协同工作。
智能控制的主要特点主要包括以下三点[1],分别是:
(1)智能控制具有混合控制特点。
智能控制是同时具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的非数值过程,并以知识进行推理,以启发来引导求解过程。
(2)智能控制的核心在高层控制,即组织级。
高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。
这些问题的求解过程与人脑的思维过程具有一定的相似性,即具有不同程度的“智能”。
(3)智能控制是一门边缘交叉学科。
智能控制涉及许多的相关学科。
智能控制的发展需要各相关学科的配合与支援。
智能控制也是目前自动控制发展的最前沿阶段。
3.智能控制的主要方法
智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制和基于遗传算法和迭代的学习控制,除此之外常用的优化算法还有蚁群算法、免疫算法等,下面对典型智能控制算法进行简要概括。
3.1模糊控制
模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。
其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。
在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定,二者缺一不可[2]。
输出
图2模糊控制系统的原理框图
模糊控制的特点是:
(1)提供了一种实现基于自然语言描述规则的控制规律的新机制。
(2)提供了一种非线性控制器,这种控制器一般用于控制含有不确定性和难以用传统非线性理论处理的场合。
3.2专家控制
专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。
主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。
专家控制可以灵活地选取控制率,灵活性高,可通过调整控制器的参数,适应对象特性及环境的变化,适应性好,通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强[3]。
图3专家系统结构
知识库包括规则库和数据库两部分。
其中规则库存放专家经验和判断性知识;数据库存放用说明问题状态、事实、概念和各种条件和尝试的数据。
推理机包括解释程序和调度程序,用于问题模型的推理和求解。
专家控制是将专家系统的设计规范和运行机制与传统的控制理论和技术相结合而成的实时设计和实现方法。
实质是基于控制对象和控制规律的各种知识,并用智能的方式利用这些知识,以求得控制系统尽可能的优化和实用化。
基本思想把有经验的控制工程师放在控制环节中,给他提供一个包括控制、辨识、测量、监控和设计各种算法在内的工具箱,然后由他确定何时采用何种工具。
专家控制的特点是
(1)具有领域专家级的专业知识,能进行符号处理和启发式推理。
(2)具有获取知识能力,具有灵活性、透明性和交互性。
3.3神经网络控制
神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制[4]。
图4BP神经网络算法流程图
神经网络控制的特点是:
(1)能充分逼近任意非线性特征。
(2)分布式并行处理机制。
(3)自学习和自适应能力。
(4)数据融合能力。
(5)适应于多变量系统,可进行多变量处理。
3.4学习控制
(1)遗传算法学习控制
智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。
快速、高效、全局化的优化算法是实现智能控制的重要手段。
遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。
遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。
如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。
图5遗传算法的流程框图
遗传算法的特点是:
(1)以决策变量的编码作为运算对象。
(2)直接以目标函数值作为搜索信息。
(3)同时进行解空间的多点搜索。
(4)使用自适应的概率搜索技术。
(2)迭代学习控制
迭代学习控制模仿人类学习的方法,即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。
迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。
整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。
它在执行重复运动的非线性机器人系统的控制中是相当成功的。
4.智能控制的应用现状
目前,智能控制已广泛地应用于自然科学和社会科学的各个领域,其工程应用现状日益成熟,为方便智能控制应用的开发,研究人员开发设计了各种软硬件技术。
软件方面,Matlab中的神经网络工具箱、模糊逻辑工具箱可以通过直接调用其中的函数进行智能控制系统的设计应用。
硬件方面,微电子技术界出现了DSP芯片极大提高了运算速度,大大方便了智能控制应用系统的实现。
以下将着重介绍智能控制的工程应用及其发展现状。
4.1机器人智能控制
采用人工神经网络、模糊控制和专家系统技术对机器人进行定位、环境建模、检测、控制和规划的研究已经日趋成熟,并在多个实际应用系统中得到验证。
智能控制技术也应用于机器人传感器信息融合和视觉处理方面。
在机器人装配作业中利用神经网络来进行机器人手臂控制和动态调度。
同时,遗传算法和进化计算为机器人系统带来了新型的优化编程和控制技术。
机器人动力学的时变、强耦合和非线性特点,使得运用传统控制方法来驱动机器人存在很大的局限性,尤其对多关节、复合肢体的机器人,其关节耦合关系和非线性模型使得利用一般控制方式无法达到较好的运动效果。
而神经网络强大的自学习和非线性映射能力使其在机器人动力学上得到广泛应用。
为提高系统的鲁棒性和适应能力,引入了模糊控制原理,构造了基于模糊逻辑和神经网络的控制器。
此外,水下自主运载器、水下无人机车、无人自主驾驶机动车在未知或复杂危险环境下完成探索、通信、合作等功能也需要智能控制的协助实现。
4.2工业过程中的智能控制
生产过程的智能控制主要包括两个方面:
局部级和全局级。
局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计,例如智能PID控制器、专家控制器、神经元网络控制器等。
研究热点是智能PID控制器,因为其在参数的整定和在线自适应调整方面具有明显的优势,且可用于控制一些非线性的复杂对象。
全局级的智能控制主要针对整个生产过程的自动化,包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。
4.3机械制造中的智能控制
在现代先进制造系统中,需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况,人工智能技术为解决这一难题提供了有效的解决方案。
智能控制随之也被广泛地应用于机械制造行业,它利用模糊数学、神经网络的方法对制造过程进行动态环境建模,利用传感器融合技术来进行信息的预处理和综合。
可采用专家系统的“Then-If”逆向推理作为反馈机构,修改控制机构或者选择较好的控制模式和参数。
利用模糊集合和模糊关系的鲁棒性,将模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。
利用神经网络的学习功能和并行处理信息的能力,进行在线的模式识别,处理那些可能是残缺不全的信息。
4.4电力电子学研究领域中的智能控制
电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个复杂的过程,国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中,取得了良好的控制效果。
遗传算法是一种先进的优化算法,采用此方法来对电器设备的设计进行优化,可以降低成本,缩短计算时间,提高产品设计的效率和质量。
应用于电气设备故障诊断的智能控制技术有:
模糊逻辑、专家系统和神经网络。
在电力电子学的众多应用领域中,智能控制在电流控制PWM技术中的应用是具有代表性的技术应用方向之一,也是研究的新热点之一。
5.智能控制的发展趋势
尽管目前人工智能理论还不成熟,智能控制技术还处在发展初期,但随着相关科学和技术的发展,它将逐步完善起来,它的应用前景是极为广阔的。
结合过程控制的特点,我们认为过程控制智能化将在以下几方面进一步发展。
5.1智能技术将应用于复杂过程工业
传统控制方法对于工艺过程复杂、建模困难的对象显得无能为力,但是基于知识、仿人脑推理、学习、记忆能力的智能控制正是打开这类“固锁”的“钥匙”。
随着智能技术的发展与成熟,智能技术将广泛地应用于工业窑炉等复杂的对象。
这方面有两种工作方式,一是智能控制不需要建立对象的模型,而通过获取有关的信息,按仿人智能直接进行决策与控制;二是利用智能技术的特征提取、模式分类和聚类分析,建立较精确的对象模型,再用传统的控制方式实施控制[5]。
5.2研制通用的智能产品
随着微电子技术、计算机技术和其他相关技术的进一步发展,过程自动化产业将逐步向智能产品转化,原来的仪表研究和制造部门将淘汰陈旧低档的产品,不断研制和更新智能化程度越来越高的整机、部件和模块,如推出多规格、多品种的智能工控机、智能调节器、智能传感器、智能执行器等,为工程技术人员设计和组成各种高水平的过程控制系统创造良好的硬件条件。
与此同时,开发适应于多种场合的通用软件产品。
这样,一个过程智能控制系统从设计到试车,整个周期将大大缩短,其方便程度如同我们现在用单元组合仪表。
5.3智能技术用于故障诊断
利用智能技术中专家经验、自动识别和启发式逻辑的特点,深人开展过程故障诊断和修复工作,从根本上提高过程控制的安全性、适应性和可靠性。
生产过程中出现故障是不可避免的,出现故障并不可怕,可怕的是不能及时发现和处理,以至影响生产。
这方面可以根据过程专家、机器专家的经验,把设备和过程各部分按故障的易发程度和故障表现特征建库,然后通过检测或识别,及时察觉故障的发生,接着用搜寻和匹配的方法,确定故障发生的地点、严重程度,给出故障报告(声、光和其他信号),最后用启发式逻辑,进行故障处理。
这是一项很有实际意义,同时又有相当难度的工作。
6.智能装备制造业概述
智能制造装备的定义是:
具有感知、分析、推理、决策、控制功能的制造装备,它是先进制造技术、信息技术和智能技术的集成和深度融合。
智能装备指在传统的装备制造业领域融合新兴智能化技术,打造具备高智能化的装备制造体系,进一步促进国内产业的发展,并为抢占国际装备市场提供先决基础。
6.1发展现状
我国制造装备产业目前整体上却仍处于相对较低端的水平上,智能装备制造业仍处于由自动化向智能化发展的初级阶段,一些行业甚至连基本的装备自动化都没有完成。
当前形势下,我国发展智能制造装备的技术发展方向应是软硬件搭配,着力发展网络化、控制软件模块化。
2010年工业自动化控制系统和仪器仪表、数控机床、工业机器人及其系统等部分智能制造装备产业领域销售收入超过3000亿元。
但是,作为一个正在培育和成长的新兴产业,我国智能制造装备产业仍存在突出问题主要表现在:
技术创新能力薄弱,新型传感、先进控制等核心技术受制于人;产业规模小,产业组织结构小、散、弱,缺乏具有国际竞争力的骨干企业;产业基础薄弱,高档和特种传感器、智能仪器仪表、自动控制系统、高档数控系统、机器人市场份额不到5%。
2011年智能制造装备产业销售额已突破4000元以上。
而据银河证券等机构预计,“十二五”期间智能装备年均增长率将超过25%,未来5-10年智能装备行业将迎来高速增长,智能制造装备产业增速仍然保持在装备全行业的前列,需求量总体保持稳步上升态势。
6.2发展趋势
当前,智能制造装备的发展趋势以德国的“工业4.0”和美国的工业互联网装备最为清晰[6]。
德国“工业4.0”[7]通过充分利用信息物理系统(CPS),实现由集中式控制向分散式增强型控制的基本模式转变,目标是建立高度灵活的个性化和数字化的产品与服务的生产模式,推动现有制造业向智能化方向转型。
CPS是一个综合计算、网络和物理环境的多维复杂系统,通过3C(Computation、Communication、Control)技术的有机融合与深度协作,实现制造装备系统的实时感知、动态控制和信息服务。
CPS实现计算、通信与物理系统的一体化设计,可使系统更加可靠、高效、实时协同。
德国电气电子和信息技术协会于2013年发布了德国首个“工业4.0”标准化路线图,以加强德国作为技术经济强国的核心竞争力,确保德国制造的未来。
2013年,美国通用电气公司(GE)发表了《工业互联网-打破智慧与机器的边界》报告。
该报告提出了工业互联网(IndustrialInternet)的概念。
工业化创造了无数的机器、设施和系统网络,而工业互联网则是指让这些机器和先进的传感器、控制和软件应用相连接,以提高制造业的生产效率、减少资源消耗。
我国公布的《智能制造装备产业“十二五”发展路线图》中明确提出在“十二五”期间将突破九大关键智能基础共性技术、推进八项智能测控装置与部件的研发和产业化、提升八类重大智能制造装备集成创新能力和促进在国民经济六大重点领域的示范应用推广。
同时,将围绕以下三大方向进行重点攻坚[8]:
(1)关键智能基础共性技术,围绕感知、决策和执行等智能功能的实现,针对测控装置、部件和重大智能制造成套装备的开发和应用,突破新型传感原理和工艺、高精度运动控制、高可靠智能控制、工业通信网络安全、健康维护诊断等一批共性、基础关键智能技术,为实现制造装备和制造过程的智能化提供技术支撑。
(2)核心智能测控装置与部件,围绕重大智能制造成套装备研发以及智能制造技术的推广应用,开发机器人、感知系统、智能仪表等典型的智能测控装置和部件并实现产业化。
在充分利用现有技术和产品的基础上,进一步实现智能化、网络化,形成对智能制造装备产业发展的有力支撑。
(3)重大智能制造成套装备,突出制造业所需装备,针对石油化工、冶金、建材、机械加工、食品加工、纺织、造纸印刷等制造业生产过程数字化、柔性化、智能化的需要,发挥产学研用相结合的创新机制,依托有明确需求的用户,组织“产、学、研、用”共同参与的创新团队,推动软硬件在数控/工业控制装备中的应用与推广,通过集成创新,开发一批标志性的重大智能制造成套装备,保障产业转型升级。
并结合国家重大工程建设,推进示范应用,加快产业化。
7.典型智能装备案例——基于模糊单神经元控制的主动悬架系统控制策略[9]
主动悬架的概念由德国的FederspielLabrosse教授首次提出,即由作动器(执行机构)主动产生作用力,以抑制车体的运动,使悬架始终处于最优减振状态。
与被动悬架比较,主动悬架增加了可控制作用力的装置用来调节阻尼和刚度,这个装置包括测量系统、执行机构、能量系统和反馈调节系统四部分。
主动悬架的工作原理是:
由车辆上安装的多种检测器检测系统运行的各种状态信号,并传达给控制单元ECU,控制单元依据控制策略发出指令给执行机构,作动器动作改变系统运行状态,构成闭环控制[10]。
主动悬架按照其控制机构分为独立式主动悬架和并联式主动悬架。
并联式主动悬架是在被动悬架的基础上并联作动器,当作动器出现故障不能正常工作时,主动悬架转变为被动悬架。
另一种独立式主动悬架只有力发生器用来调节悬架的刚度和阻尼,结构简单,但当主动悬架出现故障时,悬架系统停止工作。
根据主动悬架具体作动器的不同,主动悬架包括电控液压悬架、电控空气悬架和电控油气悬架三种。
7.1单神经元控制理论
图6单神经元控制系统结构
上图为单神经元控制系统结构,图中
为设定值,
为实际输出值,K为神经元的增益,K>0。
为对应于
的加权系数,根据有监督的Hebb学习规则完成权值
的实时变化;转换器将设定值与实际输出值的偏差量转换成单神经元控制所需的状态量
,即:
其中的权值学习规则为:
神经元通过关联搜索产生控制量u(k)。
单神经元控制中系数
可通过神经元的学习能力进行在线调
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 机电 智能 控制工程 作业 DOC