自適應控制發(fā)展與應用

1、自適應控制及其發(fā)展應用 人工神經(jīng)網(wǎng)絡 在現(xiàn)實生活中，任何一個實際系統(tǒng)都具有不同程度的不確定性，這些不確定性表現(xiàn)在被控過程或?qū)ο蟮奶匦詴r刻發(fā)生變化，變化規(guī)律難以掌握，同時還有各種各樣的隨機干擾作用在系統(tǒng)上，這些影響通常是不可預測的。如何設計適當?shù)目刂谱饔?，通過輸入、輸出信息，實時的掌握被控對象和系統(tǒng)誤差的動態(tài)特性，并根據(jù)其變化情況及時掌握調(diào)節(jié)控制量，使系統(tǒng)性能指標達到并保持最優(yōu)或者近似最優(yōu)，這就是自適應控制所要研究解決的問題。人工神經(jīng)網(wǎng)絡(ArtficialNeural Networks)是人們在模仿人腦處理問題的過程中發(fā)展起來的一種新型智能信息處理理論，它通過大量神經(jīng)元的簡單處理單元構成非線性

2、動力學系統(tǒng)，對人腦的形象思維、聯(lián)想記憶等進行模擬和抽象，實現(xiàn)與人腦相似的學習、識別、記憶等信息處理能力，其特點包括具有很強的自學習性、自組織性、容錯性、高度非線性、高度魯棒性、聯(lián)想記憶功能推理意識功能等。自適應控制系統(tǒng)本質(zhì)上是一個非線性隨機控制系統(tǒng)，很難為其找到合適的數(shù)學模型，傳統(tǒng)的方法難以對其進行控制。由于神經(jīng)網(wǎng)絡已被證明具有很強適應能力和逼近任意連續(xù)有界非線性函數(shù)的能力，它在解決高度非線性和嚴重不確定系統(tǒng)的控制方面顯示出它強大的優(yōu)越性，神經(jīng)網(wǎng)絡自適應控制是基于自適應的基本原理，利用神經(jīng)網(wǎng)絡的特點和理論設計而成的，發(fā)揮了自適應與神經(jīng)網(wǎng)絡的各自長處，為非線性控制的研究提供了一種新方法。它與自適

3、應控制的完美結合，使控制領域的發(fā)展邁向了一個新的臺階。 神經(jīng)網(wǎng)絡自適應控制概述：神經(jīng)網(wǎng)絡自適應控制本質(zhì) 神經(jīng)網(wǎng)絡自適應控制從本質(zhì)上講，實際上是基于神經(jīng)網(wǎng)絡理論的自校正控制或模型參考自適應控制。自校正控制根據(jù)對系統(tǒng)正向和(或)逆模型辨識結果，直接按自適應規(guī)律調(diào)節(jié)控制器結構參數(shù)，使系統(tǒng)滿足既定的性能指標。而在模型參考自適應控制中，閉環(huán)控制系統(tǒng)的期望性能則有一個穩(wěn)定而優(yōu)良的參考模型來描述，其控制目標是使被控對象的輸出響應 y(t)一致漸近地趨于參考模型的輸出響應 dy(t)，即神經(jīng)網(wǎng)絡用于自適應控制主要有兩種方式：一種是利用人工神經(jīng)網(wǎng)絡的逼近能力，描述被控對象的數(shù)學模型；二是充當控制器，其控制作用的

4、調(diào)整依賴于網(wǎng)絡權系數(shù)的改變，通過網(wǎng)絡訓練，完成將信號從網(wǎng)絡輸入端到輸出端的映射，為被控對象提供適當?shù)目刂屏俊Ｉ窠?jīng)網(wǎng)絡自適應控制與一般自適應方法的區(qū)別在于：（1）在模型參考控制中，參考模型由神經(jīng)網(wǎng)絡代替。與常規(guī)自適應控制比較自適應控制理論的目標是設計一個靈活的控制器，它能夠考慮未知參數(shù)的變化，自動調(diào)節(jié)控制器的增益。而常規(guī)的自適應控制器為了獲得良好的控制效果，需要在系統(tǒng)中加入白噪聲信號，辨識過程往往會出現(xiàn)飽和麻痹現(xiàn)象，影響辨識效果和跟蹤速度。利用了神經(jīng)網(wǎng)絡則可解決這一問題。因為神經(jīng)網(wǎng)絡具有自學習、受訓練的特點，它可以正確地提取受控對象的模型參數(shù)，并具有較強的抗干擾能力和容錯能力，提高控制器的性能。

5、神經(jīng)網(wǎng)絡自適應控制系統(tǒng)的典型結構 至今為止，己有近百種神經(jīng)網(wǎng)絡模型發(fā)表在各類文獻中。神經(jīng)網(wǎng)絡在控制中用的較多的有多層前向型 BP 網(wǎng)絡和 RBF 網(wǎng)絡，以及 Hopfield 反饋型網(wǎng)絡。多層前向型 BP 網(wǎng)絡和徑向基函數(shù) RBF 網(wǎng)絡均為分層連接的靜態(tài)神經(jīng)網(wǎng)絡。隔層神經(jīng)元之間均無連接，只有鄰層神經(jīng)元之間相互連接，信號由低層向高層神經(jīng)元傳輸。多層前向網(wǎng)絡學習算法是 BP 算法。BP算法的特點是結構簡單，容易實現(xiàn)。目前，針對 BP 算法中的局部極小值、收斂速度慢等缺點，人們己提出了各種修正方法，使得 BP 算法更加適用于控制技術。RBF 網(wǎng)絡可采用最小二乘法等優(yōu)化算法。Hopfield 網(wǎng)絡是神

6、經(jīng)網(wǎng)絡的非線性動態(tài)模型，它由非線性映射關系為 Sigmoid 記型函數(shù)的神經(jīng)元相互連接組成，將能量函數(shù)引入神經(jīng)網(wǎng)絡，用于解決優(yōu)化問題和控制問題。神經(jīng)網(wǎng)絡模型參考自適應控制 將神經(jīng)網(wǎng)絡與模型參考自適應控制相結合，就構成了神經(jīng)網(wǎng)絡模型參考自適應控制，基于神經(jīng)網(wǎng)絡的非線性系統(tǒng)模型參考自適應控制方案最早是由 Narendra 等人提出的，其系統(tǒng)的結構模型和線性系統(tǒng)的模型參考自適應控制系統(tǒng)是相同的，只是用人工神經(jīng)網(wǎng)絡來替代傳統(tǒng)的辨識器和控制器，于是就構成了神經(jīng)網(wǎng)絡模型參考自適應控制。根據(jù)結構的不同可分為直接與間接的神經(jīng)網(wǎng)絡模型參考自適應控制的兩種類型，兩者的共同之處是都采用神經(jīng)網(wǎng)絡作為控制器，不同之處是

7、間接模型參考自適應控制中還采用神經(jīng)網(wǎng)絡作為被控對象的正向模型估計器。神經(jīng)網(wǎng)絡自適應預測控制 該控制方案是用一個神經(jīng)網(wǎng)絡在線建立非線性被控對象的預測模型（該神經(jīng)網(wǎng)絡稱為預測模型），利用此模型，就可以預測目前的控制輸入被控對象在將來一段時間范圍內(nèi)的輸出值，再通過一定的優(yōu)化機制對控制作用進行優(yōu)化。這種神經(jīng)網(wǎng)絡自適應控制方案的控制效果直接依賴于辨識所能達到的晶須。這種方案中的神經(jīng)網(wǎng)絡必須通過離線訓練之后，才能應用于神經(jīng)網(wǎng)絡自適應控制中。否則，自適應系統(tǒng)開始時其控制效果會很差。神經(jīng)網(wǎng)絡自適應控制現(xiàn)存問題：1.穩(wěn)定性問題穩(wěn)定性是控制系統(tǒng)設計的基本準則，但是神經(jīng)自適應控制系統(tǒng)的穩(wěn)定性分析難度極大。這是因為要

8、處理的非線性對象的模型一般是具有嚴重非線性和不確定性的復雜系統(tǒng)，而神經(jīng)網(wǎng)絡本身又是一個大規(guī)模非線性系統(tǒng)，由它們按一定方式組織起來的神經(jīng)控制系統(tǒng)具有更為復雜的動力學特性。目前已有的神經(jīng)網(wǎng)絡自適應控制研究的主要問題是：基于lyapunov 函數(shù)來證明神經(jīng)網(wǎng)絡自適應控制系統(tǒng)的穩(wěn)定性的方法，已經(jīng)被應用于一些簡單的非線性系統(tǒng)，即仿射非線性系統(tǒng)之中，但是，在工程中遇到的非線性系統(tǒng)大多是非仿射的。2.魯棒性問題在自適應控制系統(tǒng)的設計中，根據(jù)魯棒性要求所設計的系統(tǒng)比單純按收斂性和穩(wěn)定性指標所設計的系統(tǒng)具有更好的控制效果。目前，對于非線性控制系統(tǒng)的魯棒性已有許多研究結果，一般是針對一類仿射非線性系統(tǒng)進行的，對于

9、系統(tǒng)的條件限制較嚴，目前的研究成果很難應用于實際的非線性控制系統(tǒng)中去，故其魯棒性研究具有重要的理論和應用意義。3.控制的實時性問題神經(jīng)網(wǎng)絡自適應控制是采用先離線辨識，再在線控制的方式，這樣比在線建模方式控制效果好，但實時性較差。同時，神經(jīng)網(wǎng)絡的學習速度一般都比較慢，為滿足實時控制需要，必須研究快速的學習算法，使其能同時保證實時性與控制效果,這仍是一個難題。現(xiàn)狀與未來： 目前，神經(jīng)網(wǎng)絡自適應控制的研究大多停留在理論研究與實驗室研究階段，在實際的控制應用中很少，但是，神經(jīng)網(wǎng)絡在自適應控制中的巨大優(yōu)勢和作用已經(jīng)得到人們的重視。而神經(jīng)網(wǎng)絡自適應控制的基本理論研究卻嚴重滯后，特別是穩(wěn)定性判據(jù)(類似于非線性系統(tǒng)的波波夫判據(jù)那樣的判據(jù)) 以及魯棒性工程設計方法(例如類似于以超穩(wěn)定性理論設計一個線性自適應控制系統(tǒng)的方法)，這些將嚴重制約了設計網(wǎng)絡自適應控制的進一步應用與發(fā)展。未來的研究中，我們將重點放在與工程實際相結合，建立一套嚴格的神經(jīng)網(wǎng)絡自適應控制基本理論和設計方法，這些對我國自動化技術的發(fā)展、提高人工智能領域的研究具有重大意義。總結：本文對神經(jīng)網(wǎng)絡自適應控制進行了研究總結。神經(jīng)網(wǎng)絡自適