[發明專利]多層全連接神經網絡控制系統

在審

• 申請號: 201810554501.2
• 申請日: 2018-06-01
• 公開（公告）號: CN108873695A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 徐軍;王曰輝;吳順義
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種以多層全連接神經網絡為主要控制器的控制系統，該系統對多輸入多輸出控制有良好的適應性。系統實現有如下步驟：(1)確定理想輸入輸出曲線。(2)在理想輸入輸出曲線上取采樣點。(3)建立多層全連接網絡，并用采樣點訓練神經網絡。(4)將訓練好的網絡加入到控制器。(5)觀測控制系統的輸入輸出曲線，是否與理想輸入輸出曲線想符合。通過上述方式，建立多層全連接神經網絡控制系統，通過將神經網絡與控制系統相結合，利用多層神經網絡可以擬合任意曲線的性質，模擬多輸入多輸出的場景中的復雜響應曲線，對多輸入多輸出的復雜系統有良好的適應能力。

技術領域

本發明屬于控制工程和計算機領域，尤其涉及人工智能神經網絡控制系統流程圖和實現方法及裝置。

背景技術

在當前情況下神經網絡依其強大的學習和適應能力得到了廣泛的應用，特別是多層神經網絡在人工智能，圖像識別，信號處理方面發展迅速，近年來經典控制理論和現代控制在面對日益復雜的控制場合略有不足，因此用神經網絡去實現控制是值得研究的。

神經網絡的一個最為突出的性質是可以實現任意功能的函數，即使對于只有一個隱藏層的神經網絡這個結論依然成立，其并不是可以完全精確的計算原函數的值，但是通過增加隱藏層和隱藏層神經元，可以越來越逼近函數，即對于一個需要實現的函數，要求實現精度為，也就是需要足夠的隱藏層神經元使得神經網絡的輸出滿足，對于所有都滿足；而傳統的控制系統本質上是傳遞函數的物理實現，所以用多層全連接神經網絡實現控制系統是完全可行的。

發明內容

本發明的目的是提供一種以神經網絡為主要控制器的控制系統設計方式及控制裝置，解決多輸入多輸出控制系統設計和實現困難的問題。

上述的目標通過以下的技術方案實現：

（1）獲取理想控制曲線

（2）控制器網絡訓練

（3）控制流程設計，控制系統構建

（4）觀測控制響應是否與理想響應相符或滿足精度要求。

附圖說明

圖1系統控制結構圖

圖2神經網絡控制器的基本結構圖

圖3網絡控制器訓練流程圖

有益效果

本發明以神經網絡為主要控制器，將多層全連接神經網絡作為唯一控制器，實現了多輸入多輸出復雜系統的設計簡單化，設計人員不需要關注系統內部信號之間的關系，只需要根據系統的理想輸入輸出信號訓練控制神經網絡，通過調整神經網絡的權值和偏向達到設計控制系統的目的，系統不僅可以滿足控制要求，還可以為后續控制系統的擴展和升級提供方便，只需要在控制網路的輸入層和輸出層增加神經元，并獲取理想響應數據從新訓練控制神經網絡即可，對于控制精度的提高也只需要增加隱藏層的層數或者增加隱藏層的神經元個數即可實現。

具體實施方式

多層全連接神經網絡控制系統設計步驟如下：

(1)根據被控對象的控制要求繪確定理想的輸入輸出響應信號，可以是連續的多維響應空間或者是離散的多維響應向量，輸入信號是多維向量，輸出信號是多維向量，上述輸入輸出對應的理想響應向量盡可能獲取多組作為訓練樣本，一般情況下樣本越大訓練出來的神經網絡控制器輸出越能準確跟蹤輸入信號；

(2)確定控制系統流程，根據被控目標和輸入信號的不同適當的加入一些信號放大或者信號驅動裝置，如輸出的信號能量較小，被控對象需要較多的能量驅動，則需要增加信號放大裝置；