最新工业自动化技术讲稿5(人工神经网络与神经网络控制)PPT课件PPT课件.ppt 52页

'工业自动化技术讲稿5(人工神经网络与神经网络控制)PPT课件 人工神经网络与神经网络控制1人工神经网络概述2人工神经网络发展3人工神经网络模型4神经网络的工作方式及其特点5神经网络的设计开发过程6人工神经网络的应用7神经网络控制8净水厂最佳投药量的神经网络控制系统9神经网络控制中有待解决的问题10人工神经网络的发展方向 1人工神经网络概述现代计算机有很强的数值计算、逻辑运算和信息处理能力，极大地扩展了人的脑力，但它对模式识别、感知等问题的能力却远不如人，特别是它只能按照事先编好的程序机械的执行，缺乏向环境学习，适应环境的能力。人脑的工作方式与计算机是不同的。人脑是由大量基本单元（即神经元）经过复杂的互相连接而成的一种高度复杂的、非线形的、并行处理的信息处理系统。 （4）新时期1987年，首届国际神经网络学术会议召开，标志着世界范围内掀起神经网络开发研究的热潮。神经网理论已成为涉及神经生理科学、认识科学、数理科学、心理学、信息科学、计算机科学、微电子学、光学、生物电子学等多学科交叉、综合的前沿科学。许多国家在神经网络计算机的硬件实现方面也取得了一些成绩。 3人工神经网络模型神经元输入输出关系： 3人工神经网络模型人工神经网络是由多个神经元构成的一个并行和分布式信息处理网络结构。神经网络模型的种类繁多，有前馈神经网络、反馈神经网络、自组织神经网络、模糊神经网络等。 （1）前馈神经网络这是现行控制方案中采用的最多的神经网络网型。前馈神经网络又包括BP、PID神经元、RBF径向基函数神经网络。 （2）模糊神经网络模糊神经网络控制技术是神经网络集成控制技术的精华，现在已成为一个研究热点。 4神经网络的工作方式及其特点神经元的连接权值通过学习来修改连接权值不变，由网络输入得到相应的输出学习期工作期 （1）人工神经网络学习人工神经网络学习就是通过对样本的学习训练，不断改变网络连接权值和扩扑结构以使网络的输出不断的接近期望的输出，其实质就是连接权值的动态调整。神经网络的学习算法很多，如BP算法。 （2）训练神经网络的基本步骤包括原始数据的收集、数据分析、变量选择以及数据的预处理等如选择BP网，就要确定网络的结构和参数，如：层数，每层结点数、初始权值其目的在于找到蕴涵在样本数据中的输入和输出间的本质关系，从而对未经训练的输入也能找到合适的输出，即具备泛化能力。产生数据样本集确定网型与结构训练和测试 （3）神经网络特点自适应性泛化功能非线性映射功能高度并行处理信息这些特点显示了神经网络在解决高度非线性和严重不确定性系统的控制方面具有很大潜力。将神经网络引入控制系统是控制学科发展的必然趋势。 5神经网络的设计开发过程神经网络结构描述系统需求分析产生网络可执行代码训练和测试网络将神经网络并入系统选择训练和测试数据抽取数据特征和预处理 6人工神经网络的应用模式识别如癌细胞识别、油气藏检测、电力变压器故障检测等。控制与优化如温度控制、液压位置伺服系统控制、机器人运动控制等。金融预测及管理如股票市场预测、保险业风险评估。通信如路由选择。 7神经网络控制20世纪80年代以来，工业生产向着大型、连续、综合化方向发展，控制系统也变的越来越复杂。自动控制工作面临着两大挑战，一是控制对象越来越复杂存在多种不确定性以及难以确切描述的非线性特征；二是控制任务要求越来越高，往往是多层次多目标的控制要求。为此，人们必须建立新的理论和方法，从而导致了神经网络控制的产生，而神经网络的自适应、分布式存储等特点正好为上述问题解决了一条新途径，在自动控制领域展现出广阔的应用前景。 （1）神经网络控制概念神经网络控制是研究和利用人脑的某些结构机理以及人的知识和经验对系统的控制。利用神经网络，可以把控制问题看成模式识别问题．被识别的模式是映射成“行为”信号的“变化”信号。神经控制最显著的特点是具有学习能力。它是通过不断修正神经元之间的连接权值，并离散存储在连接网络来实现的。它对非线性系统和难以建模的系统的的控制具有良好效果。 （2）神经网络控制应用基于神经网络的特点，神经网络在控制系统中可充当系统模型、直接做控制器或提供优化算法。它已被应用到自动控制领域的各个方面，包括系统建模与辨识、优化设计、预测控制、最优化控制、自适应控制、容错控制、模糊控制、专家控制和学习控制等等。 8例：净水厂最佳投药量的神经网络控制系统市场需求现状解决难度神经网络控制 解决方案水处理过程从混凝剂的投加，经过絮凝、沉淀、过滤，至少需经过40min以上，系统的大滞后、非线性使得无法依据出水指标来确定投药量。鉴于此，我们提出通过对源水典型水质参数的检测，利用神经网络的容错性、自学习性和自适应能力，建立混凝投药系统投药量预测模型的方法，并进一步在此模型的基础上，通过优化算法，实现混凝剂的实时最佳投加。 影响混凝剂的投加量和混凝效果的几个主要源水参数浊度pH色度温度流量 混凝投药量的神经网络预测模型依据此网络结构可实现当已知源水状况时，预测混凝剂的投加量。预测值的准确程度取决于选取训练样本的淮确性与样本数据的有代表性和全面性。 BP学习算法混凝投药量的神经网络预测模型采用BP学习算法。BP算法正向传播反向传播 混凝投药量的神经网络预测模型依据混凝投药神经网络结构和BP网络算法，编制建立了某日处理水量为22．5万吨水厂的投药量神经网络预测模型，并对其某月的投药量进行了预测。注：图中实线为实际运行数据，虚线为网络预测数据 基于源水参数预测出水浊度的神经网络模型混凝的控制指标大都以出水浊度衡量。 最佳投药量预测控制系统在以上模型基础上结合优化算法可建立投药量最佳预测控制系统，实现混凝投药的最佳实时控制。 9神经网络控制中有待解决的问题当所给数据不充分或不存在可学习的映射关系时，神经网络结构可能找不到满意的解，而且有时也很难估计神经网络结构给出的结果。网络本身的黑箱式内部知识表达方式使其不能利用初始经验进行学习，易于限于局部极小值。 神经网络控制中有待解决的问题神经网络的训练很慢，由于要收集、分析和处理大量的训练数据，同时还需要相当的经验来选择合适的参数，有时需要付出很高的代价。神经网络的网型未有重大突破，专门适合控制问题的动态神经网络仍有待进一步发展。分布式并行计算的潜力还有赖于硬件实现技术的进步 10人工神经网络的发展方向基础理论研究，包括神经网络的统一模型与通用学习算法，激发函数的类型等；研究专门适合于控制问题的动态神经网络模型，解决相应产生的对动态网络的逼近能力与学习算法问题；对成熟的网络模型与学习算法，研究相应的神经网络控制专用芯片；目前将模糊逻辑（包括专家系统）与神经网络相结合，发展模糊神经网络控制方法已成为主要发展趋势。 谢谢大家！ 市场需求投药混凝是水质净化的重要环节，在水处理工艺一定的条件下，混凝剂的投加量直接决定混凝效果，准确地投加混凝剂可有效减轻过滤、消毒设备的负担，是提高水质、取得良好经济效益的关键问题。 现状目前主要采用的方法是通过人工定期做烧杯试验确定、修正系统的投药量。由于烧杯试验需要一定的时间，故这种方法确定的系统投药量只能是适合某一时间内的近似最优值。 解决问题难度水处理的混凝投药过程是一个复杂的物理、化学反应过程，目前还很难通过对其化学反应机理的研究，准确地建立反应过程的数学模型。而影响混凝剂投加量的因素又很多，如源水浊度、温度、流量、pH、所含杂质特性、净水设备的负荷及状态等，使得系统的最优投药量需要根据水质特点不断修正。 2.4数据通信方式2.4.1并行通信与串行通信2.4.2单工通信与双工通信2.4.3基带传输与频带传输2.4.4同步通信与异步通信返回下一页第2章数据通信基础 2.4.1并行通信与串行通信在计算机系统的各个部件之间以及计算机与计算机之间，数据信息都是以通信的方式进行交换的。这种通信有两种基本方式：串行和并行。一般说来，并行传输用于近距离，串行传输用于较远的距离。第2章数据通信基础 2.4.1并行通信与串行通信如图2-12（a）所示，在并行传输中，至少有8个数据位在设备之间传输。发送设备将8个数据位通过8条数据线传送给接收设备，还可以有1位用作数据检验位，接收设备可同时接收到这些数据。在计算机内部的数据通信通常都以并行方式进行，并且把并行的数据传送线称做总线，如并行传送8位数据就叫做8位总线，并行传送16位数据就叫做16位总线。第2章数据通信基础 2.4.1并行通信与串行通信第2章数据通信基础 2.4.1并行通信与串行通信串行传输方式是在一根数据传输线上，每次传送一位二进制数据，1位接1位地传送。串行传输的速度要慢得多，但由于串行传输节省了大量通信设备和通信线路，在技术上更适合远距离通信。因此，计算机网络普遍采用串行传输方式。由于计算机内部处理的都是并行数据，在进行串行传输之前，必须将并行数据转换成串行数据；在接收端要将串行数据转换成并行数据。数据转换通常以字节为单位进行，用移位寄存器来完成，如图2-12（b）所示。下一页第2章数据通信基础 2.4.2单工通信与双工通信按照数据在线路上的流向，串行数据通信可分为三种类型：单工、半双工与全双工。1．单工通信2．半双工通信3．全双工通信下一页第2章数据通信基础 1．单工通信在单工通信方式中，信号只能向一个方向传输，任何时候都不能改变信号的传送方向。如图2-13（a）所示，数据信息总是从发送端A传输到接收端B。这种情况与无线电广播相类似，信号只在一个方向上传播，电台发送，收音机接收。返回下一页第2章数据通信基础 2．半双工通信如图2-13（b）所示，在半双工通信方式中，信号可以双向传送，但必须交替进行，一个时间只能向一个方向传送。可以双向传送信号，但必须交替进行的通信信道，只能用于半双工通信方式中。返回下一页第2章数据通信基础 3．全双工通信全双工能同时在两个方向上进行通信，即有两个信道，如图2-l3（c）所示，数据同时在两个方向流动，它相当于把两个相反方向的单工通信组合起来。显然，全双工通信效率高，但构建系统的造价也高。单工通信或半双工通信只需要一条信道，而全双工通信则需要两条信道（每个方向各一条）。显然，全双工通信的传输效率最高。返回下一页第2章数据通信基础 2.4.3基带传输与频带传输1．基带传输2．频带传输下一页第2章数据通信基础 1．基带传输通常把由计算机或终端产生的未经调制过的呈矩形的数字信号所固有的频率范围称做基本频带，简称基带。基带的范围可以从直流（0Hz）到数百千赫，甚至数兆赫，例如电视信号的基本频带为0Hz～6MHz。在数字通信信道上，直接传输基带信号，称为基带传输。返回下一页第2章数据通信基础 2．频带传输一般通信线路在远距离传输时，只适合传输一定的频带信号，不适于传输基带信号。由于电话交换网是用于传输语音信号的模拟通信信道，并且是目前覆盖面最广的一种通信方式，因此利用模拟通信信道进行数据通信也是最普遍使用的通信方式之一。我们将利用模拟通信信道传输数据信号的方法称为频带传输。返回下一页第2章数据通信基础 2.4.4同步通信与异步通信比特的传送和接收是通过定时时钟来完成的。使这两个独立的时钟精确同步是不太可能的，从而引发错误。解决上述同步问题的方法有两种。第一种称为异步法，发送方和接收方独立地产生时钟，但定期同步。第二种方法称为同步方法，接收端时钟完全由发送方时钟控制，严格同步。1．异步传输2．同步传输下一页第2章数据通信基础 1．异步传输异步传输是基于这样的事实：在一定的比特数目内，时钟漂移的程度是有限的。它让接收方在某一个时间点上跟一个发送方时钟信号同步，并由此开始自己独立的时钟信号序列。由于偏移∑相对于一个比特时间来说是比较小的，故接收方可以在偏移积累到采样发生错误之前正确地接收若干个比特。返回下一页第2章数据通信基础 2．同步传输在同步传输中，以一种稳定的流方式传送比特块，不使用开启位和停止位编码。该数据块在长度上可以是多个比特。为了防止发送机和接收机之间的定时漂移，它们的时钟必须通过某种途径保持同步。一种可能性是在发送设备和接收设备之间提供单独的时钟线路。另一种替代的方法是在数据信号中嵌入时钟信息。返回下一页第2章数据通信基础'