工业自动化技术讲稿5人工神经网络与神经网络控制.pptx

人工神经网络与神经网络控制人工神经网络与神经网络控制陆宝春陆宝春陆宝春陆宝春20052005年年年年1111月月月月人工神经网络与神经网络控制人工神经网络与神经网络控制人工神经网络与神经网络控制1 1 1 1 人工神经网络概述人工神经网络概述人工神经网络概述人工神经网络概述2 2 2 2 人工神经网络发展人工神经网络发展人工神经网络发展人工神经网络发展3 3 3 3 人工神经网络模型人工神经网络模型人工神经网络模型人工神经网络模型4 4 神经网络的工作方式及其特点神经网络的工作方式及其特点神经网络的工作方式及其特点神经网络的工作方式及其特点5 5 神经网络的设计开发过程神经网络的设计开发过程神经网络的设计开发过程神经网络的设计开发过程6 6 6 6 人工神经网络的应用人工神经网络的应用人工神经网络的应用人工神经网络的应用7 7 神经网络控制神经网络控制神经网络控制神经网络控制8 8 净水厂最佳投药量的神经网络控制系统净水厂最佳投药量的神经网络控制系统净水厂最佳投药量的神经网络控制系统净水厂最佳投药量的神经网络控制系统9 9 9 9 神经网络控制中有待解决的问题神经网络控制中有待解决的问题神经网络控制中有待解决的问题神经网络控制中有待解决的问题10 10 10 10 人工神经网络的发展方向人工神经网络的发展方向人工神经网络的发展方向人工神经网络的发展方向人工神经网络与神经网络控制1 1 人工神经网络概述人工神经网络概述 现代计算机有很强的数值计算、逻辑运算和现代计算机有很强的数值计算、逻辑运算和现代计算机有很强的数值计算、逻辑运算和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，但它对信息处理能力，极大地扩展了人的脑力，但它对信息处理能力，极大地扩展了人的脑力，但它对信息处理能力，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，特别模式识别、感知等问题的能力却远不如人，特别模式识别、感知等问题的能力却远不如人，特别模式识别、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，缺乏是它只能按照事先编好的程序机械的执行，缺乏是它只能按照事先编好的程序机械的执行，缺乏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。人脑的工作方式向环境学习，适应环境的能力。人脑的工作方式向环境学习，适应环境的能力。人脑的工作方式向环境学习，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（即与计算机是不同的。人脑是由大量基本单元（即与计算机是不同的。人脑是由大量基本单元（即与计算机是不同的。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神经元）经过复杂的互相连接而成的一种高度复神经元）经过复杂的互相连接而成的一种高度复神经元）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。杂的、非线形的、并行处理的信息处理系统。杂的、非线形的、并行处理的信息处理系统。杂的、非线形的、并行处理的信息处理系统。人工神经网络与神经网络控制1 1 人工神经网络概述人工神经网络概述 人人人人们们们们以以以以模模模模仿仿仿仿人人人人脑脑脑脑神神神神经经经经网网网网络络络络的的的的信信信信息息息息表表表表示示示示、存存存存储储储储和和和和处处处处理理理理机机机机制制制制为为为为基基基基础础础础，设设设设计计计计全全全全新新新新的的的的计计计计算算算算机机机机处处处处理理理理结结结结构构构构模模模模型型型型，这这这这也也也也就就就就促促促促进进进进了了了了人人人人工工工工神神神神经经经经网网网网络络络络（artificial artificial artificial artificial neural neural neural neural networks networks networks networks 简称简称简称简称NNNNNNNN）的研究与应用。）的研究与应用。）的研究与应用。）的研究与应用。人人人人工工工工神神神神经经经经网网网网络络络络就就就就是是是是由由由由多多多多个个个个简简简简单单单单的的的的并并并并行行行行工工工工作作作作的的的的处处处处理理理理单单单单元元元元彼彼彼彼此此此此以以以以某某某某种种种种方方方方式式式式互互互互连连连连组组组组成成成成的的的的系系系系统统统统。它它它它模模模模拟拟拟拟人人人人类类类类大大大大量量量量脑脑脑脑细细细细胞胞胞胞的的的的高高高高度度度度连连连连接接接接，当当当当有有有有输输输输入入入入信信信信号号号号将将将将神神神神经经经经元元元元激活时，经过神经回路产生输出。激活时，经过神经回路产生输出。激活时，经过神经回路产生输出。激活时，经过神经回路产生输出。人工神经网络与神经网络控制2 2 人工神经网络发展人工神经网络发展启蒙时期启蒙时期低潮时期低潮时期复兴时期复兴时期新时期新时期人工神经网络与神经网络控制（1 1）启蒙时期）启蒙时期18901890年，心理学家年，心理学家年，心理学家年，心理学家W.JamsW.Jams关于人脑结构与功关于人脑结构与功关于人脑结构与功关于人脑结构与功能的研究。能的研究。能的研究。能的研究。19431943年，生理学家年，生理学家年，生理学家年，生理学家W.S.McCullochW.S.McCulloch和数学家和数学家和数学家和数学家W.A.PittsW.A.Pitts提出了神经元提出了神经元提出了神经元提出了神经元M-PM-P模型。模型。模型。模型。19581958年，计算机学家年，计算机学家年，计算机学家年，计算机学家Frank RosenblattFrank Rosenblatt提出了提出了提出了提出了 “感知器感知器感知器感知器”（PerceptronPerceptron）。）。）。）。人工神经网络与神经网络控制（2）低潮时期低潮时期 1969196919691969年，人工智能的创始人年，人工智能的创始人年，人工智能的创始人年，人工智能的创始人M.MinskyM.Minsky和和和和S.PaperS.Paper发表了发表了发表了发表了感知器感知器感知器感知器一书。书中指出，简一书。书中指出，简一书。书中指出，简一书。书中指出，简单的神经网络只能运用于线性问题的求解，能够单的神经网络只能运用于线性问题的求解，能够单的神经网络只能运用于线性问题的求解，能够单的神经网络只能运用于线性问题的求解，能够求解非线性问题的网络应具有隐层，而从理论上求解非线性问题的网络应具有隐层，而从理论上求解非线性问题的网络应具有隐层，而从理论上求解非线性问题的网络应具有隐层，而从理论上不能证明将感知器模型扩展到多层网络是有意义不能证明将感知器模型扩展到多层网络是有意义不能证明将感知器模型扩展到多层网络是有意义不能证明将感知器模型扩展到多层网络是有意义的。这一悲观论点极大地影响了人工神经网络的的。这一悲观论点极大地影响了人工神经网络的的。这一悲观论点极大地影响了人工神经网络的的。这一悲观论点极大地影响了人工神经网络的研究，开始了神经网络发展史上长达研究，开始了神经网络发展史上长达研究，开始了神经网络发展史上长达研究，开始了神经网络发展史上长达10101010年的低潮年的低潮年的低潮年的低潮时期。时期。时期。时期。人工神经网络与神经网络控制（3 3）复兴时期）复兴时期19821982年，物理学家年，物理学家年，物理学家年，物理学家John.J.HopfieldJohn.J.Hopfield提出了提出了提出了提出了HopfieldHopfield网络；网络；网络；网络；19861986年，贝尔实验室利用年，贝尔实验室利用年，贝尔实验室利用年，贝尔实验室利用HopfieldHopfield理论在硅理论在硅理论在硅理论在硅片上制成了硬件神经计算机网络；片上制成了硬件神经计算机网络；片上制成了硬件神经计算机网络；片上制成了硬件神经计算机网络；19881988年，年，年，年，并行分布式处理并行分布式处理并行分布式处理并行分布式处理一书发展了多一书发展了多一书发展了多一书发展了多层感知机的反向传播训练方法。层感知机的反向传播训练方法。层感知机的反向传播训练方法。层感知机的反向传播训练方法。人工神经网络与神经网络控制（4 4）新时期）新时期19871987年，首届国际神经网络学术会议召开，标年，首届国际神经网络学术会议召开，标年，首届国际神经网络学术会议召开，标年，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。志着世界范围内掀起神经网络开发研究的热潮。志着世界范围内掀起神经网络开发研究的热潮。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、认识科神经网理论已成为涉及神经生理科学、认识科神经网理论已成为涉及神经生理科学、认识科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、数理科学、心理学、信息科学、计算机科学、数理科学、心理学、信息科学、计算机科学、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学、微电子学、光学、生物电子学等多学科交学、微电子学、光学、生物电子学等多学科交学、微电子学、光学、生物电子学等多学科交叉、综合的前沿科学。叉、综合的前沿科学。叉、综合的前沿科学。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许多国家在神经网络计算机的硬件实现方面也许多国家在神经网络计算机的硬件实现方面也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。取得了一些成绩。取得了一些成绩。取得了一些成绩。人工神经网络与神经网络控制3 3 人工神经网络模型人工神经网络模型神经元输入输出关系：神经元输入输出关系：神经元输入输出关系：神经元输入输出关系：人工神经网络与神经网络控制3 3 人工神经网络模型人工神经网络模型 人工神经网络是由多个神经元构成的一个并行人工神经网络是由多个神经元构成的一个并行人工神经网络是由多个神经元构成的一个并行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。和分布式信息处理网络结构。和分布式信息处理网络结构。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、神经网络模型的种类繁多，有前馈神经网络、神经网络模型的种类繁多，有前馈神经网络、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、模糊神经网络反馈神经网络、自组织神经网络、模糊神经网络反馈神经网络、自组织神经网络、模糊神经网络反馈神经网络、自组织神经网络、模糊神经网络等。等。等。等。人工神经网络与神经网络控制（1 1）前馈神经网络）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。这是现行控制方案中采用的最多的神经网络网型。这是现行控制方案中采用的最多的神经网络网型。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前馈神经网络又包括前馈神经网络又包括前馈神经网络又包括BPBPBPBP、PIDPIDPIDPID神经元、神经元、神经元、神经元、RBFRBFRBFRBF径向基函数径向基函数径向基函数径向基函数神经网络。神经网络。神经网络。神经网络。人工神经网络与神经网络控制（2 2）模糊神经网络）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模糊神经网络控制技术是神经网络集成控制模糊神经网络控制技术是神经网络集成控制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技术的精华，现在已成为一个研究热点技术的精华，现在已成为一个研究热点技术的精华，现在已成为一个研究热点 。人工神经网络与神经网络控制4神经网络的工作方式及其特点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神经元的连接权值通过学习神经元的连接权值通过学习神经元的连接权值通过学习来修改来修改来修改来修改连接权值不变，由网络输入连接权值不变，由网络输入连接权值不变，由网络输入连接权值不变，由网络输入得到相应的输出得到相应的输出得到相应的输出得到相应的输出学习期学习期工作期工作期人工神经网络与神经网络控制（1 1）人工神经网络学习）人工神经网络学习 人人人人工工工工神神神神经经经经网网网网络络络络学学学学习习习习就就就就是是是是通通通通过过过过对对对对样样样样本本本本的的的的学学学学习习习习训训训训练练练练，不不不不断断断断改改改改变变变变网网网网络络络络连连连连接接接接权权权权值值值值和和和和扩扩扩扩扑扑扑扑结结结结构构构构以以以以使使使使网网网网络络络络的的的的输输输输出出出出不不不不断断断断的的的的接接接接近近近近期期期期望望望望的的的的输输输输出出出出，其其其其实实实实质质质质就就就就是是是是连连连连接接接接权权权权值值值值的的的的动动动动态态态态调调调调整整整整。神神神神经经经经网网网网络络络络的的的的学学学学习习习习算算算算法法法法很多，如很多，如很多，如很多，如BPBPBPBP算法。算法。算法。算法。人工神经网络与神经网络控制（2 2）训练神经网络的基本步骤）训练神经网络的基本步骤 包括原始数据的收集、数包括原始数据的收集、数包括原始数据的收集、数包括原始数据的收集、数据分析、变量选择以及数据据分析、变量选择以及数据据分析、变量选择以及数据据分析、变量选择以及数据的预处理等的预处理等的预处理等的预处理等 如如如如选选选选择择择择BPBPBPBP网网网网，就就就就要要要要确确确确定定定定网网网网络络络络的的的的结结结结构构构构和和和和参参参参数数数数，如如如如：层层层层数数数数，每层结点数、初始权值每层结点数、初始权值每层结点数、初始权值每层结点数、初始权值 其其其其目目目目的的的的在在在在于于于于找找找找到到到到蕴蕴蕴蕴涵涵涵涵在在在在样样样样本本本本数数数数据据据据中中中中的的的的输输输输入入入入和和和和输输输输出出出出间间间间的的的的本本本本质质质质关关关关系系系系，从从从从而而而而对对对对未未未未经经经经训训训训练练练练的的的的输输输输入入入入也也也也能能能能找找找找到到到到合合合合适适适适的的的的输输输输出出出出，即具备泛化能力。即具备泛化能力。即具备泛化能力。即具备泛化能力。产生数据样本集产生数据样本集确定网型与结构确定网型与结构训练和测试训练和测试人工神经网络与神经网络控制（3）神经网络特点神经网络特点自适应性自适应性自适应性自适应性泛化功能泛化功能泛化功能泛化功能 非线性映射功能非线性映射功能非线性映射功能非线性映射功能 高度并行处理信息高度并行处理信息高度并行处理信息高度并行处理信息 这些特点显示了神经网络在解决高度非线性和这些特点显示了神经网络在解决高度非线性和这些特点显示了神经网络在解决高度非线性和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。将神严重不确定性系统的控制方面具有很大潜力。将神严重不确定性系统的控制方面具有很大潜力。将神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。经网络引入控制系统是控制学科发展的必然趋势。经网络引入控制系统是控制学科发展的必然趋势。经网络引入控制系统是控制学科发展的必然趋势。人工神经网络与神经网络控制5 神经网络的设计开发过程神经网络的设计开发过程神经网络结构描述神经网络结构描述系统需求分析系统需求分析产生网络可执行代码产生网络可执行代码训练和测试网络训练和测试网络将神经网络并入系统将神经网络并入系统选择选择训练训练和测和测试数试数据据抽取抽取数据数据特征特征和预和预处理处理人工神经网络与神经网络控制6 6 人工神经网络的应用人工神经网络的应用 模式识别模式识别模式识别模式识别如如如如癌癌癌癌细细细细胞胞胞胞识识识识别别别别、油油油油气气气气藏藏藏藏检检检检测测测测、电电电电力力力力变变变变压压压压器器器器故故故故障障障障检检检检测测测测等。等。等。等。控制与优化控制与优化控制与优化控制与优化如如如如温温温温度度度度控控控控制制制制、液液液液压压压压位位位位置置置置伺伺伺伺服服服服系系系系统统统统控控控控制制制制、机机机机器器器器人人人人运运运运动动动动控制等。控制等。控制等。控制等。金融预测及管理金融预测及管理金融预测及管理金融预测及管理如股票市场预测、保险业风险评估。如股票市场预测、保险业风险评估。如股票市场预测、保险业风险评估。如股票市场预测、保险业风险评估。通信通信通信通信如路由选择。如路由选择。如路由选择。如路由选择。人工神经网络与神经网络控制7 神经网络控制神经网络控制 20 20世纪世纪世纪世纪8080年代以来，工业生产向着大型、连年代以来，工业生产向着大型、连年代以来，工业生产向着大型、连年代以来，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续、综合化方向发展，控制系统也变的越来越复续、综合化方向发展，控制系统也变的越来越复续、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，一是控制对杂。自动控制工作面临着两大挑战，一是控制对杂。自动控制工作面临着两大挑战，一是控制对杂。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象越来越复杂存在多种不确定性以及难以确切描象越来越复杂存在多种不确定性以及难以确切描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，述的非线性特征；二是控制任务要求越来越高，述的非线性特征；二是控制任务要求越来越高，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，人们必往往是多层次多目标的控制要求。为此，人们必往往是多层次多目标的控制要求。为此，人们必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须建立新的理论和方法，从而导致了神经网络控须建立新的理论和方法，从而导致了神经网络控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、分布式存储等制的产生，而神经网络的自适应、分布式存储等制的产生，而神经网络的自适应、分布式存储等制的产生，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，在自动特点正好为上述问题解决了一条新途径，在自动特点正好为上述问题解决了一条新途径，在自动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。控制领域展现出广阔的应用前景。控制领域展现出广阔的应用前景。控制领域展现出广阔的应用前景。人工神经网络与神经网络控制（1 1）神经网络控制概念）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神经网络控制是研究和利用人脑的某些结构机神经网络控制是研究和利用人脑的某些结构机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。利用神经网理以及人的知识和经验对系统的控制。利用神经网理以及人的知识和经验对系统的控制。利用神经网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络，可以把控制问题看成模式识别问题被识别的络，可以把控制问题看成模式识别问题被识别的络，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模式是映射成模式是映射成模式是映射成“行为行为行为行为”信号的信号的信号的信号的“变化变化变化变化”信号。神经信号。神经信号。神经信号。神经控制最显著的特点是具有学习能力。它是通过不断控制最显著的特点是具有学习能力。它是通过不断控制最显著的特点是具有学习能力。它是通过不断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修正神经元之间的连接权值，并离散存储在连接网修正神经元之间的连接权值，并离散存储在连接网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络来实现的。它对非线性系统和难以建模的系统的络来实现的。它对非线性系统和难以建模的系统的络来实现的。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。的控制具有良好效果。的控制具有良好效果。的控制具有良好效果。人工神经网络与神经网络控制（2）神经网络控制应用）神经网络控制应用 基基基基于于于于神神神神经经经经网网网网络络络络的的的的特特特特点点点点，神神神神经经经经网网网网络络络络在在在在控控控控制制制制系系系系统统统统中中中中可可可可充充充充当当当当系系系系统统统统模模模模型型型型、直直直直接接接接做做做做控控控控制制制制器器器器或或或或提提提提供供供供优优优优化化化化算算算算法法法法。它它它它已已已已被被被被应应应应用用用用到到到到自自自自动动动动控控控控制制制制领领领领域域域域的的的的各各各各个个个个方方方方面面面面，包包包包括括括括系系系系统统统统建建建建模模模模与与与与辨辨辨辨识识识识、优优优优化化化化设设设设计计计计、预预预预测测测测控控控控制制制制、最最最最优优优优化化化化控控控控制制制制、自自自自适适适适应应应应控控控控制制制制、容容容容错错错错控控控控制制制制、模模模模糊糊糊糊控控控控制制制制、专家控制和学习控制等等。专家控制和学习控制等等。专家控制和学习控制等等。专家控制和学习控制等等。人工神经网络与神经网络控制8 例：净水厂最佳投药量的神经网络控制系统例：净水厂最佳投药量的神经网络控制系统市场需求市场需求现状现状解决难度解决难度神经网络神经网络控制控制人工神经网络与神经网络控制解决方案解决方案 水处理过程从混凝剂的投加，经过絮凝、沉淀、水处理过程从混凝剂的投加，经过絮凝、沉淀、水处理过程从混凝剂的投加，经过絮凝、沉淀、水处理过程从混凝剂的投加，经过絮凝、沉淀、过滤，至少需经过过滤，至少需经过过滤，至少需经过过滤，至少需经过40min40min以上，系统的大滞后、非以上，系统的大滞后、非以上，系统的大滞后、非以上，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，线性使得无法依据出水指标来确定投药量。鉴于此，线性使得无法依据出水指标来确定投药量。鉴于此，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，利用神我们提出通过对源水典型水质参数的检测，利用神我们提出通过对源水典型水质参数的检测，利用神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，建立混经网络的容错性、自学习性和自适应能力，建立混经网络的容错性、自学习性和自适应能力，建立混经网络的容错性、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，并进一步在此凝投药系统投药量预测模型的方法，并进一步在此凝投药系统投药量预测模型的方法，并进一步在此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，实现混凝剂的实时模型的基础上，通过优化算法，实现混凝剂的实时模型的基础上，通过优化算法，实现混凝剂的实时模型的基础上，通过优化算法，实现混凝剂的实时最佳投加。最佳投加。最佳投加。最佳投加。人工神经网络与神经网络控制影响混凝剂的投加量和混凝效果的几个主要影响混凝剂的投加量和混凝效果的几个主要源水参数源水参数浊度浊度pH色度色度温度温度流量流量人工神经网络与神经网络控制混凝投药量的神经网络预测模型混凝投药量的神经网络预测模型 依依依依据据据据此此此此网网网网络络络络结结结结构构构构可可可可实实实实现现现现当当当当已已已已知知知知源源源源水水水水状状状状况况况况时时时时，预预预预测测测测混混混混凝凝凝凝剂剂剂剂的的的的投投投投加加加加量量量量。预预预预测测测测值值值值的的的的准准准准确确确确程程程程度度度度取取取取决决决决于于于于选选选选取取取取训训训训练练练练样样样样本本本本的的的的淮淮淮淮确确确确性性性性与与与与样样样样本本本本数数数数据据据据的的的的有有有有代代代代表表表表性和全面性。性和全面性。性和全面性。性和全面性。人工神经网络与神经网络控制BP学习算法学习算法 混凝投药量的神经混凝投药量的神经混凝投药量的神经混凝投药量的神经网络预测模型采用网络预测模型采用网络预测模型采用网络预测模型采用BPBPBPBP学学学学习算法。习算法。习算法。习算法。BP算算法法正向传播正向传播反向传播反向传播人工神经网络与神经网络控制混凝投药量的神经网络预测模型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依据混凝投药神经网络结构和依据混凝投药神经网络结构和依据混凝投药神经网络结构和BPBP网络算法，编制建网络算法，编制建网络算法，编制建网络算法，编制建立了某日处理水量为立了某日处理水量为立了某日处理水量为立了某日处理水量为22225 5万吨水厂的投药量神经网络预万吨水厂的投药量神经网络预万吨水厂的投药量神经网络预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。测模型，并对其某月的投药量进行了预测。测模型，并对其某月的投药量进行了预测。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注：图中实线为实际运行数据，虚线为网络预测数据注：图中实线为实际运行数据，虚线为网络预测数据注：图中实线为实际运行数据，虚线为网络预测数据人工神经网络与神经网络控制基于源水参数预测出水浊度的神经网络模型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。混凝的控制指标大都以出水浊度衡量。混凝的控制指标大都以出水浊度衡量。混凝的控制指标大都以出水浊度衡量。人工神经网络与神经网络控制最佳投药量预测控制系统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在以上模型基础上结合优化算法可建立投药量在以上模型基础上结合优化算法可建立投药量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。最佳预测控制系统，实现混凝投药的最佳实时控制。最佳预测控制系统，实现混凝投药的最佳实时控制。最佳预测控制系统，实现混凝投药的最佳实时控制。人工神经网络与神经网络控制9 9 神经网络控制中有待解决的问题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当所给数据不充分或不存在可学习的映射关系当所给数据不充分或不存在可学习的映射关系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，而且时，神经网络结构可能找不到满意的解，而且时，神经网络结构可能找不到满意的解，而且时，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。有时也很难估计神经网络结构给出的结果。有时也很难估计神经网络结构给出的结果。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网络本身的黑箱式内部知识表达方式使其不能网络本身的黑箱式内部知识表达方式使其不能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。利用初始经验进行学习，易于限于局部极小值。利用初始经验进行学习，易于限于局部极小值。利用初始经验进行学习，易于限于局部极小值。人工神经网络与神经网络控制神经网络控制中有待解决的问题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、分析和处神经网络的训练很慢，由于要收集、分析和处神经网络的训练很慢，由于要收集、分析和处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理大量的训练数据，同时还需要相当的经验来理大量的训练数据，同时还需要相当的经验来理大量的训练数据，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。选择合适的参数，有时需要付出很高的代价。选择合适的参数，有时需要付出很高的代价。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，专门适合控制神经网络的网型未有重大突破，专门适合控制神经网络的网型未有重大突破，专门适合控制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。问题的动态神经网络仍有待进一步发展。问题的动态神经网络仍有待进一步发展。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分布式并行计算的潜力还有赖于硬件实现技术分布式并行计算的潜力还有赖于硬件实现技术分布式并行计算的潜力还有赖于硬件实现技术的进步的进步的进步的进步 人工神经网络与神经网络控制10 10 人工神经网络的发展方向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基础理论研究，包括神经网络的统一模型与通用基础理论研究，包括神经网络的统一模型与通用基础理论研究，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；学习算法，激发函数的类型等；学习算法，激发函数的类型等；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，研究专门适合于控制问题的动态神经网络模型，研究专门适合于控制问题的动态神经网络模型，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解决相应产生的对动态网络的逼近能力与学习算解决相应产生的对动态网络的逼近能力与学习算解决相应产生的对动态网络的逼近能力与学习算法问题；法问题；法问题；法问题；对成熟的网络模型与学习算法，研究相应的神经对成熟的网络模型与学习算法，研究相应的神经对成熟的网络模型与学习算法，研究相应的神经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；网络控制专用芯片；网络控制专用芯片；网络控制专用芯片；目前将模糊逻辑（包括专家系统）与神经网络相目前将模糊逻辑（包括专家系统）与神经网络相目前将模糊逻辑（包括专家系统）与神经网络相目前将模糊逻辑（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结合，发展模糊神经网络控制方法已成为主要发结合，发展模糊神经网络控制方法已成为主要发结合，发展模糊神经网络控制方法已成为主要发展趋势。展趋势。展趋势。展趋势。谢谢大家！谢谢大家！人工神经网络与神经网络控制市场需求市场需求 投投药药混混凝凝是是水水质质净净化化的的重重要要环环节节，在在水水处处理理工工艺艺一一定定的的条条件件下下，混混凝凝剂剂的的投投加加量量直直接接决决定定混混凝凝效效果果，准准确确地地投投加加混混凝凝剂剂可可有有效效减减轻轻过过滤滤、消消毒毒设设备备的的负负担担，是是提提高高水水质质、取得良好经济效益的关键问题。取得良好经济效益的关键问题。人工神经网络与神经网络控制现状现状 目目前前主主要要采采用用的的方方法法是是通通过过人人工工定定期期做做烧烧杯杯试试验验确确定定、修修正正系系统统的的投投药药量量。由由于于烧烧杯杯试试验验需需要要一一定定的的时时间间，故故这这种种方方法法确确定定的的系系统统投投药药量量只只能能是是适适合合某某一一时时间间内内的的近近似似最最优值。优值。人工神经网络与神经网络控制解决问题难度解决问题难度 水处理的混凝投药过程是一个复杂的物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、多，如源水浊度、温度、流量、pH、所含杂、所含杂质特性、净水设备的负荷及状态等，使得系质特性、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。统的最优投药量需要根据水质特点不断修正。