13、神经网络在动态系统控制与前馈 - 反馈组合控制中的应用

神经网络在动态系统控制与前馈 - 反馈组合控制中的应用

1. 时间延迟递归神经网络（TDRNN）用于动态系统控制

1.1 TDRNN 的特性

TDRNN 在引入上下文和延迟神经元时，权重并未增加。其上下文神经元包含了所有先前的输入，具有更深的记忆“深度”，能准确记忆从 k - M 到 k 时刻的输入，这与常见递归神经网络的记忆性能有很大不同。当 M 适度大时，TDRNN 具有更高的记忆“分辨率”，良好的动态记忆性能使其适合应用于动态系统。

1.2 TDRNN 控制系统

1.2.1 动态训练算法

• NNI（神经网络识别器）
  • 输出计算：NNI 隐藏层和输出层神经元的输出通过以下公式计算：
  • (\sum_{j = 1}^{H} j j k x k D k y) 和 (\sum_{i = 1}^{I} i ij j k z k C f k x)。
  • 误差函数：定义为 (2 / ) ( ) ( 2 k e k E I I =)。
  • 权重修改：
  • (j I I d j I d j D k y k e k D k E k D \partial \partial = \partial \partial - = \Delta ) ( ) ( ) ( ) ( ) ( \mu \mu)
  • (ij j j I c ij I c ij C k x D k e k C k E k C \partial \partial = \partial \pa