機器人控制新

會計學(xué)1機器人控制新機器人控制系統(tǒng)的特點：

非線性、多變量、強耦合的系統(tǒng)。非線性：輸入輸出的映射關(guān)系不是線性的多變量：輸入輸出的個數(shù)為2個以上強耦合：輸入輸出之間存在交連以上特點決定了機器人控制系統(tǒng)的復(fù)雜性。解決以上問題的控制策略：解耦控制(decouplingcontrol)魯棒控制(robustnesscontrol)容錯控制(faulttolerantcontrol)第1頁/共70頁多變量控制系統(tǒng)的一般結(jié)構(gòu)傳遞函數(shù)矩陣：開環(huán)傳遞函數(shù)矩陣，閉環(huán)傳遞函數(shù)矩陣多變量系統(tǒng)分析和計算的特殊性：變量是向量，傳函是矩陣（矩陣的計算不滿足交換律）多變量系統(tǒng)控制的發(fā)展：1.狀態(tài)空間法：系統(tǒng)的數(shù)學(xué)模型：狀態(tài)空間表達式主要應(yīng)用領(lǐng)域：航空航天等尖端科技研究局限性：計算量大，控制器復(fù)雜難以實現(xiàn)，無法在工業(yè)生產(chǎn)過程廣泛推廣2.現(xiàn)代頻域法第2頁/共70頁系統(tǒng)數(shù)學(xué)模型：傳遞函數(shù)矩陣主要應(yīng)用領(lǐng)域：工業(yè)生產(chǎn)過程特點：對系統(tǒng)進行近似和簡化，數(shù)學(xué)工具淺顯易懂，具有很大的靈活性。代表性理論：INA方法，CL方法，序列回差法等。3.先進控制技術(shù)自適應(yīng)控制理論：主要針對模型的時變性和不確定性智能控制理論：主要針對模型未知系統(tǒng)第3頁/共70頁2023/1/195工業(yè)機器人控制系統(tǒng)工作過程

機器人控制過程示意圖

內(nèi)部反饋根據(jù)外界環(huán)境確定任務(wù)確定運動軌跡（點動或軌跡）計算目標(biāo)任務(wù)在笛卡爾空間的位姿任務(wù)執(zhí)行電機的伺服控制轉(zhuǎn)換為電機的給定值轉(zhuǎn)換為關(guān)節(jié)空間角度外部反饋作業(yè)控制器組織層伺服控制器執(zhí)行層運動控制器協(xié)調(diào)層第4頁/共70頁2023/1/196（1）人工智能級—組織層—作業(yè)控制器

（2）控制模式級—協(xié)調(diào)層—運動控制器

（3）伺服系統(tǒng)級—執(zhí)行層—驅(qū)動控制器

——幾種不同的稱謂

機器人控制系統(tǒng)在物理上分為兩級：工控機與伺服控制器，但在邏輯上一般分為三級（層）：

第5頁/共70頁2023/1/197作業(yè)控制器驅(qū)動控制器3驅(qū)動控制器1驅(qū)動控制器2驅(qū)動控制器4運動控制器機器人本體

機器人控制系統(tǒng)的構(gòu)成第6頁/共70頁2023/1/198分析各層（級）的關(guān)系與區(qū)別

知識粒度數(shù)據(jù)處理功能類別作業(yè)控制級

粗模糊決策運動控制級

中精確任務(wù)分解驅(qū)動控制級

細精確控制

通過分層遞階的組織形式才能完成復(fù)雜任務(wù)第7頁/共70頁2023/1/199工業(yè)機器人典型控制方式

點位式（PTP，pointtopoint）

實現(xiàn)點的位置控制，而點與點之間的軌跡卻無關(guān)緊要。如自動插件機，在貼片機上安插元件，點焊、搬運、裝配等。

軌跡式

(CP,continuouspath)

指定點與點之間的運動軌跡為所要求的曲線，如直線或圓弧。在進行弧焊、噴漆、切割等作業(yè)時十分必要。

速度控制方式

對于機器人的行程要求遵循一定的速度變化曲線。

力（力矩）控制方式

要求對末端施加在對象上的力進行控制，如抓放操作、去毛刺、研磨和組裝等作業(yè)。

智能控制方式

在不確定或未知條件下作業(yè)，通過傳感器，內(nèi)部的知識庫，自主完成給定任務(wù)。

第8頁/共70頁2023/1/1910機器人控制的特點

與機構(gòu)學(xué)、運動學(xué)及動力學(xué)密切相關(guān)。

描述機器人狀態(tài)和運動的數(shù)學(xué)模型是一個具有時變結(jié)構(gòu)和參數(shù)的非線性模型，各關(guān)節(jié)變量之間存在緊密耦合。

一個簡單的機器人至少也有3-5個自由度，于是機器人控制系統(tǒng)必須是一個計算機控制的多級遞階控制系統(tǒng)。

機器人的動作常?？梢酝ㄟ^不同的方式和路徑來完成，手臂解不唯一，這樣便要處理在一定約束條件下的優(yōu)化決策與控制問題。

伺服系統(tǒng)要求較高的位置精度，較大的調(diào)速范圍，各關(guān)節(jié)的速度誤差系數(shù)應(yīng)盡量一致。

系統(tǒng)的靜差率要小，位置無超調(diào)，動態(tài)響應(yīng)盡量快。

第9頁/共70頁2023/1/1911常用伺服控制策略

各種PID控制方式

PID控制是將偏差的比例（P）、積分（I）和微分（D）通過線性組合構(gòu)成控制量，算法簡單，魯棒性好，可靠性高；但反饋增益是常量，它不能在有效載荷變化的情況下改變反饋增益。

最優(yōu)控制（OptimalControl）

基于某種性能指標(biāo)的極大（?。┛刂疲Q之為最優(yōu)控制。在高速機器人中，除了選擇最佳路徑外，還普遍采用最短時間控制，即所謂“砰—砰”控制。

第10頁/共70頁2023/1/1912自適應(yīng)控制

自適應(yīng)控制則是根據(jù)系統(tǒng)運行的狀態(tài)，自動補償模型中各不確定因素，從而顯著改善機器人的性能。分為模型參考自適應(yīng)控制器、自校正自適應(yīng)控制器和線性攝動自適應(yīng)控制等。解耦控制

機器人各自由度之間存在著耦合，即某處的運動對另一處的運動有影響。在耦合嚴(yán)重的情況下，必須考慮一些解耦措施。

常用伺服控制策略(續(xù))

第11頁/共70頁2023/1/1913機器人特有伺服控制策略

重力補償

在伺服系統(tǒng)的控制量中實時地計算重力項，并加入一個抵消重力的量，可補償重力項的影響。

耦合慣量及摩擦力的補償

在高速、高精度機器人中，必須考慮一個關(guān)節(jié)運動會引起另一個關(guān)節(jié)的等效轉(zhuǎn)動慣量的變化，即耦合的問題；還要考慮摩擦力的補償。

傳感器的位置補償

在內(nèi)部反饋的基礎(chǔ)上，再用一個外部位置傳感器進一步消除誤差，這種系統(tǒng)稱為傳感器閉環(huán)系統(tǒng)或大伺服系統(tǒng)。（否則為半閉環(huán)）前饋控制和超前控制

前饋控制：從給定信號中提取速度、加速度信號。把它加在伺服系統(tǒng)的適當(dāng)部位，以消除系統(tǒng)的速度和加速度跟蹤誤差。

超前控制：估計下一時刻的位置誤差，并把這個估計量加到下一時刻的控制量中。

第12頁/共70頁2023/1/1914各種智能控制策略

記憶－修正控制(迭代學(xué)習(xí)控制)

記憶前一次的運動誤差，改進后一次的控制量；適用于重復(fù)操作的場合。

聽覺控制

有的機器人可以根據(jù)人的口頭命令做出回答或執(zhí)行任務(wù)，這是利用了聲音識別系統(tǒng)。

視覺控制

常將視覺系統(tǒng)用于判別物體形狀和物體之間的關(guān)系，也可以用來測量距離、選擇運動途徑。

遞階控制（組織級、協(xié)調(diào)級、執(zhí)行級）

最低層是各關(guān)節(jié)的伺服系統(tǒng)，最高層是管理（主）計算機；大系統(tǒng)控制理論可以用在機器人系統(tǒng)中。第13頁/共70頁2023/1/1915各種先進控制策略

模糊控制

通常的模糊控制是借助熟練操作者經(jīng)驗，通過“語言變量”表述和模糊推理來實現(xiàn)的無模型控制。

神經(jīng)控制——人工神經(jīng)網(wǎng)絡(luò)控制

神經(jīng)控制便是由神經(jīng)網(wǎng)絡(luò)組成的控制系統(tǒng)結(jié)構(gòu)。

魯棒控制

魯棒控制的基本特征，是用一個結(jié)構(gòu)和參數(shù)都是固定不變的控制器，來保證即使不確定性對系統(tǒng)的性能品質(zhì)影響最惡劣的時候也能滿足設(shè)計要求。第14頁/共70頁2023/1/1916滑?？刂?/p>

滑模變結(jié)構(gòu)控制系統(tǒng)的特點是：在動態(tài)控制過程中，系統(tǒng)的結(jié)構(gòu)根據(jù)系統(tǒng)當(dāng)時的狀態(tài)偏差及其各階導(dǎo)數(shù)值，以躍變的方式按設(shè)定的規(guī)律作相應(yīng)改變，該類控制系統(tǒng)預(yù)先在狀態(tài)空間設(shè)定一個特殊的超越曲面，由不連續(xù)的控制規(guī)律，不斷變換控制系統(tǒng)結(jié)構(gòu)，使其沿著這個特定的超越曲面向平衡點滑動，最后漸近穩(wěn)定至平衡點。

學(xué)習(xí)控制

產(chǎn)生自主運動的認知控制系統(tǒng)，包括感知層、數(shù)據(jù)處理層、概念產(chǎn)生層、目標(biāo)感知層、控制知識／數(shù)據(jù)庫、結(jié)論產(chǎn)生層等。各種先進控制策略(續(xù))

第15頁/共70頁2023/1/1917

機器人學(xué)習(xí)控制系統(tǒng)結(jié)構(gòu)圖傳感器層數(shù)據(jù)處理層存儲層控制層執(zhí)行層感知部分認知部分外部世界第16頁/共70頁2023/1/19187.2

伺服控制器

位置輸入信號方向判別誤差調(diào)節(jié)D/A速度控制器功放負載直流伺服電機測速電機計數(shù)碼盤位置反饋速度反饋直流電動機伺服傳動系統(tǒng)原理圖+_第17頁/共70頁2023/1/1919電樞控制直流電機的等效電路圖NSJeffτ,θmLaUaRaia

機械傳動等效慣量

第18頁/共70頁2023/1/1920Jeff=Jm+n2JL

feff=fm+n2fL

7.2.1

單關(guān)節(jié)驅(qū)動系統(tǒng)傳遞函數(shù)傳動比

折合到電機軸上的總的等效慣性矩Jeff和等效摩擦系數(shù)feff為齒數(shù)第19頁/共70頁2023/1/1921電氣部分的模型由電機電樞繞組內(nèi)的電壓平衡方程來描述

電機力矩平衡方程

機械部分與電氣部分的耦合關(guān)系對以上各式進行拉普拉斯變換得Ka——電機電流—力矩比例常數(shù)Kb——感應(yīng)電勢常數(shù)第20頁/共70頁2023/1/1922重新組合上式，得驅(qū)動系統(tǒng)傳遞函數(shù)

忽略電樞的電感La，可簡化為

其中，電機增益常數(shù)為

電機時間常數(shù)為

單關(guān)節(jié)控制系統(tǒng)所加電壓與關(guān)節(jié)角位移之間的傳遞函數(shù)

第21頁/共70頁2023/1/19237.2.2

單關(guān)節(jié)的建模與角度反饋比例控制于是得到為系統(tǒng)誤差

進而可得式中kp——位置反饋增益，n

為傳動比位置控制器（比例）直流驅(qū)動單關(guān)節(jié)系統(tǒng)+－第22頁/共70頁2023/1/1924系統(tǒng)傳遞函數(shù)推導(dǎo)誤差驅(qū)動信號E(s)與實際位移之間的開環(huán)傳遞函數(shù)

由此得系統(tǒng)閉環(huán)傳遞函數(shù)

上式表明關(guān)節(jié)機器人的比例控制器是一個二階系統(tǒng)。當(dāng)系統(tǒng)參數(shù)均為正時，系統(tǒng)總是穩(wěn)定的。

位置控制器（比例）直流驅(qū)動單關(guān)節(jié)系統(tǒng)+－第23頁/共70頁2023/1/1925伺服系統(tǒng)分塊示意圖第24頁/共70頁2023/1/19267.3基于非線性模型的機器人解耦控制n關(guān)節(jié)機械手的封閉形式動力學(xué)方程的一般結(jié)構(gòu)當(dāng)考慮關(guān)節(jié)的摩擦效應(yīng)時，還應(yīng)加入摩擦項，動力學(xué)方程應(yīng)寫為Θ為表示旋轉(zhuǎn)關(guān)節(jié)或平移關(guān)節(jié)位移的n×1向量;式中為n×n的慣性矩陣為n×1的哥氏項或向心項向量；為n×1的重力項向量；為n×1的摩擦力項向量；為表示旋轉(zhuǎn)關(guān)節(jié)力矩或平移關(guān)節(jié)力的n×1向量第25頁/共70頁2023/1/19277.3.1基于非線性模型的線性化控制法則

基本思想設(shè)計一個非線性的基于模型的控制法則，用它來抵消被控制系統(tǒng)的非線性；把系統(tǒng)簡化為線性系統(tǒng)，它可以用單位質(zhì)量系統(tǒng)中導(dǎo)出的簡單的線性伺服法則來進行控制。從某種意義上說，線性化控制法則是提供了一個受控系統(tǒng)的“反模型”。系統(tǒng)中的非線性與反模型中的非線性相抵消，這一點與伺服法則一起構(gòu)成了一個線性閉環(huán)系統(tǒng)。第26頁/共70頁2023/1/1928機械手系統(tǒng)方程基于模型的控制法則為令

并且于是得到完全解耦系統(tǒng)－－單位質(zhì)量系統(tǒng)對解耦系統(tǒng)實行比例－微分控制，即伺服法則為其中為設(shè)定值機械手機械手第27頁/共70頁2023/1/19297.3.2伺服控制系統(tǒng)設(shè)計與分析機械手＋＋＋＋＋＋＋－－第28頁/共70頁2023/1/1930非線性補償解耦系統(tǒng)分析理想情況（完全補償，充分解耦，沒有時滯）顯然無法做到。因為：無法精確建模，必然存在未建模動態(tài)和隨機干擾；補償器中無法實現(xiàn)純微分環(huán)節(jié)，無法完全補償控制對象中的時間滯后；控制對象是連續(xù)時間過程，補償器只能是離散時間過程，無法完全匹配。第29頁/共70頁7.4機器人智能控制技術(shù)7.4.1機器人智能控制概述

什么是智能機器人？智能機器人是具有感知、思維和動作的機器。1.各種新型智能機器人:(1)網(wǎng)絡(luò)機器人:遠程控制和操作.應(yīng)用與醫(yī)療,救災(zāi),娛樂等領(lǐng)域.(2)微型機器人:用于醫(yī)療.(3)高智能機器人:超高運算速度,處理能力和存儲容量.但目前體積較大.(4)變結(jié)構(gòu)機器人:依照環(huán)境來變換自己的結(jié)構(gòu)和運動方式以適應(yīng)環(huán)境.第30頁/共70頁2.智能機器人的產(chǎn)生和發(fā)展（1）示教再現(xiàn)型機器人:沒有任何傳感器,對環(huán)境沒有感知能力.——目前商品化、實用化的為此類機器人。（2）感覺型機器人:配備簡單內(nèi)、外部傳感器,能感知自身的速度、位置、姿態(tài)等，具有部分適應(yīng)外部環(huán)境能力。（3）智能型機器人：具有多種內(nèi)、外部傳感器組成的感覺系統(tǒng)，對外部環(huán)境信息進行感知、提取、處理并作出適當(dāng)決策。——此類機器人目前處于研究和發(fā)展階段。智能型機器人的發(fā)展方向：類人型機器人和具有智能的機器。第31頁/共70頁3.智能機器人的體系結(jié)構(gòu)（1）視覺系統(tǒng)（2）行走機構(gòu)：輪式，履帶式，爬行，兩足式。（3）機械手（4）控制系統(tǒng)：信息融合，運動規(guī)劃，環(huán)境建模、智能推理。（5）人機接口：話筒，揚聲器，語音合成與識別系統(tǒng)第32頁/共70頁1.智能控制系統(tǒng)三種智能控制系統(tǒng)（1）人作為控制器的控制系統(tǒng)（2）人——機結(jié)合作為控制器的控制系統(tǒng)（3）無人參與的自主控制系統(tǒng)：機器人是最典型的例子。智能控制方法：（1）分層遞階的智能控制結(jié)構(gòu)（2）神經(jīng)網(wǎng)絡(luò)控制（3）模糊控制7.4.2機器人智能控制技術(shù)

第33頁/共70頁2.智能機器人系統(tǒng)的基本特征（1）模型的不確定性（2）系統(tǒng)的高度非線性（3）控制任務(wù)的復(fù)雜性3.智能機器人控制系統(tǒng)的基本結(jié)構(gòu)：分層遞階的組成結(jié)構(gòu)4.智能機器人控制系統(tǒng)的主要功能特點：（1）學(xué)習(xí)功能（2）適應(yīng)功能（3）組織功能第34頁/共70頁5.智能控制理論的主要內(nèi)容和在智能機器人控制中的應(yīng)用智能控制是交叉學(xué)科：人工智能，運籌學(xué)和自動控制（1）自適應(yīng)、自組織和自學(xué)習(xí)控制（2）知識工程（3）神經(jīng)元網(wǎng)絡(luò)理論（4）模糊集合論（5）優(yōu)化理論第35頁/共70頁面向設(shè)備的基礎(chǔ)級——常規(guī)的技術(shù)：PID，前饋控制協(xié)調(diào)級和組織級——智能控制方法：神經(jīng)網(wǎng)絡(luò)控制，模糊控制，模糊神經(jīng)控制（1）神經(jīng)網(wǎng)絡(luò)控制網(wǎng)絡(luò)結(jié)構(gòu)：前向網(wǎng)絡(luò)，帶反饋的網(wǎng)絡(luò)，全連接網(wǎng)絡(luò)訓(xùn)練算法：誤差反向傳播算法，遺傳算法控制方式：逆控制，反饋控制，內(nèi)模控制（2）模糊控制變量的模糊化和反模糊化模糊規(guī)則和模糊推理7.4.3機器人智能控制方法

第36頁/共70頁（3）模糊神經(jīng)控制用神經(jīng)網(wǎng)絡(luò)實現(xiàn)模糊控制器的全部功能：5層結(jié)構(gòu)：第一層輸入變量第二層模糊化第三層表示模糊規(guī)則的前件匹配（IF）第四層表示模糊規(guī)則的后件（THEN）第五層反模糊化第37頁/共70頁1.神經(jīng)網(wǎng)絡(luò)控制（1）人工神經(jīng)元模型的三個基本要素連接權(quán)連接權(quán)對應(yīng)于生物神經(jīng)元的突觸，各個人工神經(jīng)元之間的連接強度由連接權(quán)的權(quán)值表示，權(quán)值為正表示激活，為負表示抑制。人工神經(jīng)元模型第38頁/共70頁求和單元用于求取各輸入信號的加權(quán)和(線性組合)。激活函數(shù)激活函數(shù)起非線性映射作用，并將人工神經(jīng)元輸出幅度限制在一定范圍內(nèi)在(0,1)或(-1,1)之間。第39頁/共70頁（2）神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks,ANN)是由大量人工神經(jīng)元經(jīng)廣泛互連而組成，它可用來模擬腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。根據(jù)連接方式主要分為兩類：1)前饋型網(wǎng)絡(luò)網(wǎng)絡(luò)中各個神經(jīng)元接收前一級的輸入，并輸出到下一級，網(wǎng)絡(luò)中沒有反饋，如圖所示。節(jié)點分為向類，即輸入單元和計算單元，每一計算單元可有任意個輸入，但只有一個輸出。前饋網(wǎng)絡(luò)第40頁/共70頁

2)反饋型網(wǎng)絡(luò)

反饋神經(jīng)網(wǎng)絡(luò)又稱遞歸網(wǎng)絡(luò)或回歸網(wǎng)絡(luò)。在反饋網(wǎng)絡(luò)中(FeedbackNNs)，輸入信號決定反饋系統(tǒng)的初始狀態(tài)，然后系統(tǒng)經(jīng)過一系列狀態(tài)轉(zhuǎn)移后，逐漸收斂于平衡狀態(tài)。反饋神經(jīng)網(wǎng)絡(luò)中所有節(jié)點都是計算單元，同時也可接收輸入．并向外界輸出，可畫成一個無向圖，如圖(a)所示，其中每個連接弧都是雙向的，也可畫成如圖(b)所示的形式。單層全連接反饋網(wǎng)絡(luò)第41頁/共70頁（3）神經(jīng)網(wǎng)絡(luò)的工作過程神經(jīng)網(wǎng)絡(luò)的工作過程主要分為兩個階段：

1)第—階段是學(xué)習(xí)期

此時各計算單元狀態(tài)不變，各連接權(quán)上的權(quán)值可通過學(xué)習(xí)來修改；

2)第二階段是工作期此時各連接權(quán)固定，計算單元變化，以達到某種穩(wěn)定狀態(tài)。

第42頁/共70頁（4）神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式1)有監(jiān)督學(xué)習(xí)(有教師學(xué)習(xí))

有監(jiān)督學(xué)習(xí)方式需要外界存在一個“教師”，它可對一組給定輸入提供應(yīng)有的輸出結(jié)(正確答案)，這組已知的輸入/輸出數(shù)據(jù)稱為訓(xùn)練樣本集。學(xué)習(xí)系統(tǒng)可根據(jù)已知輸出與實際輸出之間的差值(誤差信號)來調(diào)節(jié)系統(tǒng)參數(shù)，如圖所示。2)

無監(jiān)督學(xué)習(xí)(無教師學(xué)習(xí))

無監(jiān)督學(xué)習(xí)時不存在外部教師，學(xué)習(xí)系統(tǒng)完全按照環(huán)境所提供數(shù)據(jù)的某些統(tǒng)計規(guī)律來調(diào)節(jié)自身參數(shù)或結(jié)構(gòu)(這是一種自組織過程)，以表示外部輸入的某種固有特性(如聚類，或某種統(tǒng)計上的分布特征)，如圖所示。有監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)第43頁/共70頁3)強化學(xué)習(xí)(或再勵學(xué)習(xí))

強化學(xué)習(xí)介于上述兩種情況之間，外部環(huán)境對系統(tǒng)輸出結(jié)果只給出評價(獎或罰)而不是給出正確答案，學(xué)習(xí)系統(tǒng)通過強化那些受獎勵的動作來改善自身性能，如圖所示。強化學(xué)習(xí)第44頁/共70頁（5）神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則1)學(xué)習(xí)規(guī)則(誤差糾正規(guī)則)

若為輸入神經(jīng)元在k時刻的實際輸出，表示相應(yīng)的期望輸出，則誤差信號可寫為誤差糾正學(xué)習(xí)的最終目的是使某一基于的目標(biāo)函數(shù)達最小，以使網(wǎng)絡(luò)中每一輸出單元的實際輸出在某種統(tǒng)計意義上最逼近于期望輸出。常用的目標(biāo)函數(shù)是均方誤差判據(jù)，定義為式中，是統(tǒng)計期望算子，上式的前提是被學(xué)習(xí)的過程是寬而平穩(wěn)的，具體方法可用最陡梯度下降法。第45頁/共70頁2)Hebb學(xué)習(xí)規(guī)則

Hebb提出的學(xué)習(xí)規(guī)則可歸結(jié)為“當(dāng)某一突觸(連接)兩端的神經(jīng)元激活同步(同為激活或同為抑制)時，該連接的強度應(yīng)增加，反之則應(yīng)減弱”，用數(shù)學(xué)方式可描述為式中，為學(xué)習(xí)速率。由于與、的相關(guān)成比例，故有時稱之為相關(guān)學(xué)習(xí)規(guī)則。在Hebb學(xué)習(xí)規(guī)則的基礎(chǔ)上增加一個衰減項，即衰減項的加入能夠增加網(wǎng)絡(luò)學(xué)習(xí)的“記憶”功能，并且能夠有效地對權(quán)值的取值加以限制。3)

競爭(Competitive)學(xué)習(xí)在競爭學(xué)習(xí)時網(wǎng)絡(luò)各輸出單元互相競爭，最后達到只有一個最強者激活。第46頁/共70頁（6）神經(jīng)網(wǎng)絡(luò)在控制中的主要作用在基于精確模型的各種控制結(jié)構(gòu)中充當(dāng)對象的模型；在反饋控制系統(tǒng)中直接起控制器的作用；在傳統(tǒng)控制系統(tǒng)中起優(yōu)化計算作用；與其他智能控制方法和優(yōu)化算法相結(jié)合。第47頁/共70頁（7）常見神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)1)神經(jīng)網(wǎng)絡(luò)直接逆動態(tài)控制

神經(jīng)網(wǎng)絡(luò)直接逆動態(tài)控制的兩種結(jié)構(gòu)方案第48頁/共70頁

2)

神經(jīng)網(wǎng)絡(luò)自校正控制

神經(jīng)自校正控制系統(tǒng)

3)

神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制第49頁/共70頁4)

神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制被控對象具有復(fù)雜的非線性特性時難以建立精確的數(shù)學(xué)模型，且由于對象和環(huán)境的不確定性，使控制參數(shù)整定困難，尤其是不能自調(diào)整，往往難以達到滿意的控制效果，采用神經(jīng)網(wǎng)絡(luò)調(diào)整PID控制參數(shù)就構(gòu)成了神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制的結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制系統(tǒng)第50頁/共70頁2.模糊控制（1）模糊控制的數(shù)學(xué)基礎(chǔ)1）禿頭悖論2）基本概念：模糊集合、元素、論域、隸屬度函數(shù)3）模糊集合表示方法Zadeh表示法

序偶表示法第51頁/共70頁向量表示法4）隸屬度函數(shù)連續(xù)型離散型第52頁/共70頁5）模糊語言變量模糊語言變量是自然語言中的詞或句，它的取值不是通常的數(shù)，而是用模糊語言表示的模糊集合。

一個語言變量可由以下的五元體來表征

(x,T(x),U,G,M)式中，x是語言變量的名稱；

T(x)是語言變量值的集合；

U是x的論域；

G是語法規(guī)則，用于產(chǎn)生語言變量x的名稱；

M是語義規(guī)則，用于產(chǎn)生模糊集合的隸屬函數(shù)。第53頁/共70頁誤差語言變量的五元體示意圖第54頁/共70頁6）模糊蘊含關(guān)系在模糊邏輯中，模糊邏輯規(guī)則實質(zhì)上是模糊蘊含關(guān)系。在模糊邏輯推理中有很多定義模糊蘊含的方法，最常用的一類模糊蘊含關(guān)系是廣義的肯定式推理方式．即此處，A、A’、B、B’均為模糊語言。對于模糊前提“如果x是A，則y是B”，它表示了模糊語言A與B之間的模糊蘊含關(guān)系，記為A→B第55頁/共70頁在模糊邏輯控制中，常用的模糊蘊含關(guān)系的運算方法有以下幾種，其中前兩種常用。1)模糊蘊含的最小運算2)模糊蘊含的積運算3)模糊蘊含的算術(shù)運算第56頁/共70頁4)模糊蘊含的最大最小運算5)模糊蘊含的布爾運算式中，R為模糊蘊含關(guān)系，“

”是合成運算符。對于上面介紹的廣義肯定式推理，結(jié)論B’

是根據(jù)模糊集合A’和模糊蘊含關(guān)系A(chǔ)→B的合成推出來的，因此可得如下的模糊推理關(guān)系第57頁/共70頁例2-3若人工調(diào)節(jié)爐溫，有如下的經(jīng)驗規(guī)則：“如果爐溫低，則應(yīng)施加高電壓”，當(dāng)爐溫為“非常低”時，應(yīng)施加怎樣的電壓。解：設(shè)x和y分別表示模糊語言變量“爐溫”和“電壓”，并設(shè)

x和y的論域為

X=Y={1,2,3,4,5}A表示爐溫低的模糊集合第58頁/共70頁B表示高電壓的模糊集合從而模糊規(guī)則可表述為：“如果x是A，則y是B”。設(shè)為非常A，則上述問題變?yōu)椤叭绻鹸是，則應(yīng)是什么”。為了便于計算，將模糊集合A和B與成向量形式A=[10.80.60.40.2]，B=[0.20.40.60.81]第59頁/共70頁由于該例中x和y的論域均是離散的，因而模糊蘊含關(guān)系Kc可用如下模糊矩陣來表示當(dāng)=“爐溫非常低”=A2=[10.640.360.160.04]時第60頁/共70頁其中中的每項元素是根據(jù)模糊關(guān)系矩陣的合成規(guī)則求出的，如第1行第1列的元素為這時，推論結(jié)果仍為“高電壓”。第61頁/共70頁（2）模糊控制系統(tǒng)人的手動控制決策可以用語言加以描述，總結(jié)成一系列條