安徽理工大学：《智能控制及仿真》课程教学资源（课件讲义）第9章 神经网络控制

(2)神经网络间接自校正控制 其结构如图9-3所示。假设被控对象为如下单变 量仿射非线性系统： y(t)=f(y)+g(y)u(t) 若利用神经网络对非线性函数 和(y,)进布逼近 ,得到f(y,)和()，则控制器为： u()=r(-f(,)/g(y) 其中r()为t时刻的期望输出值

（2）神经网络间接自校正控制 其结构如图9-3所示。假设被控对象为如下单变 量仿射非线性系统： 若利用神经网络对非线性函数 和 进行逼近 ，得到 和 ，则控制器为： 其中 为t时刻的期望输出值。 ( )     ( ) t t y t  f y  g y u t f  yt  g  yt    ˆ t f y gˆ  yt        ˆ (t) / ˆ t t u t  r  f y  g y   rt

神经网络 估计器 yat) e(t) 常规 y() 控制器 对象 u(t) 图9-3 神经网络间接自校正控制

神经网络 估计器 常规 控制器 对象 y t d et ut yt + - fˆ ,gˆ 图9-3 神经网络间接自校正控制

2.神经网络模型参考自适应控制 分为直接模型参考自适应控制和间接模型参考自 适应控制两种。 (1)直接模型参考自适应控制 如图9-4所示。神经网络控制器的作用是使被控 对象与参考模型输出之差为最小。但该方法需要知道 oy 对象的Jacobian信息

2. 神经网络模型参考自适应控制 分为直接模型参考自适应控制和间接模型参考自 适应控制两种。 （1）直接模型参考自适应控制 如图9-4所示。神经网络控制器的作用是使被控 对象与参考模型输出之差为最小。但该方法需要知道 对象的 Ja c o b ia n 信息 u 。 y  

y同 参考模型 edi) 对像 图9-4神经网络直接模型参考自适应控制

参考模型 NNC 对象 rt + et ut yt - y t m ect + - 图9-4 神经网络直接模型参考自适应控制

(2)间接模型参考自适应控制 如图9-5所示。神经网络辨识器NNI向神经 网络控制器NNC提供对象的信息，用于控制器 NNC的学习

（2）间接模型参考自适应控制 如图9-5所示。神经网络辨识器NNI向神经 网络控制器NNC提供对象的信息，用于控制器 NNC的学习