[发明专利]多层全连接神经网络控制系统

说明书

本发明公开了一种以多层全连接神经网络为主要控制器的控制系统，该系统对多输入多输出控制有良好的适应性。系统实现有如下步骤：(1)确定理想输入输出曲线。(2)在理想输入输出曲线上取采样点。(3)建立多层全连接网络，并用采样点训练神经网络。(4)将训练好的网络加入到控制器。(5)观测控制系统的输入输出曲线，是否与理想输入输出曲线想符合。通过上述方式，建立多层全连接神经网络控制系统，通过将神经网络与控制系统相结合，利用多层神经网络可以拟合任意曲线的性质，模拟多输入多输出的场景中的复杂响应曲线，对多输入多输出的复杂系统有良好的适应能力。

技术领域

本发明属于控制工程和计算机领域，尤其涉及人工智能神经网络控制系统流程图和实现方法及装置。

背景技术

在当前情况下神经网络依其强大的学习和适应能力得到了广泛的应用，特别是多层神经网络在人工智能，图像识别，信号处理方面发展迅速，近年来经典控制理论和现代控制在面对日益复杂的控制场合略有不足，因此用神经网络去实现控制是值得研究的。

神经网络的一个最为突出的性质是可以实现任意功能的函数，即使对于只有一个隐藏层的神经网络这个结论依然成立，其并不是可以完全精确的计算原函数的值，但是通过增加隐藏层和隐藏层神经元，可以越来越逼近函数，即对于一个需要实现的函数，要求实现精度为，也就是需要足够的隐藏层神经元使得神经网络的输出满足，对于所有都满足；而传统的控制系统本质上是传递函数的物理实现，所以用多层全连接神经网络实现控制系统是完全可行的。

发明内容

本发明的目的是提供一种以神经网络为主要控制器的控制系统设计方式及控制装置，解决多输入多输出控制系统设计和实现困难的问题。

上述的目标通过以下的技术方案实现：

（1）获取理想控制曲线

（2）控制器网络训练

（3）控制流程设计，控制系统构建

（4）观测控制响应是否与理想响应相符或满足精度要求。

附图说明

图1系统控制结构图

图2神经网络控制器的基本结构图

图3网络控制器训练流程图

有益效果

本发明以神经网络为主要控制器，将多层全连接神经网络作为唯一控制器，实现了多输入多输出复杂系统的设计简单化，设计人员不需要关注系统内部信号之间的关系，只需要根据系统的理想输入输出信号训练控制神经网络，通过调整神经网络的权值和偏向达到设计控制系统的目的，系统不仅可以满足控制要求，还可以为后续控制系统的扩展和升级提供方便，只需要在控制网路的输入层和输出层增加神经元，并获取理想响应数据从新训练控制神经网络即可，对于控制精度的提高也只需要增加隐藏层的层数或者增加隐藏层的神经元个数即可实现。

具体实施方式

多层全连接神经网络控制系统设计步骤如下：

(1)根据被控对象的控制要求绘确定理想的输入输出响应信号，可以是连续的多维响应空间或者是离散的多维响应向量，输入信号是多维向量，输出信号是多维向量，上述输入输出对应的理想响应向量尽可能获取多组作为训练样本，一般情况下样本越大训练出来的神经网络控制器输出越能准确跟踪输入信号；

(2)确定控制系统流程，根据被控目标和输入信号的不同适当的加入一些信号放大或者信号驱动装置，如输出的信号能量较小，被控对象需要较多的能量驱动，则需要增加信号放大装置；