模糊控制 之 神经网络建模

系统辨识：根据系统的输入输出时间函数来确定描述系统行为的数学模型。

为什么是时间函数。。。

对系统进行分析的主要问题是根据输入时间函数和系统的特性来确定输出信号。对系统进行控制的主要问题是根据系统的特性设计控制输入，使输出满足预先规定的要求。

例如逆模型就是就是想获得一个结果，我要什么输入？这就是逆模型。

系统辨识预先给定一个模型组，一类输入信号和误差函数；然后选择使误差函数达到最小的模型，作为辨识所要求的结果。不一定是神经网络，反向传播建模。

系统辨识包括两个方面：结构辨识和参数估计。

基于神经网络的系统辨识，就是用神经网络作为被辨识系统的正逆模型，预测模型，因此，也可称之为神经网络建模。

辨识是在输入和输出数据的基础上，从一组给定的模型类(一种模型结构)中确定一个与所测系统等价的模型。辨识的目的是估计出系统的结构和未知参数。

被辨识系统实际上就是一个函数而已。

输入输出是没误差的，这是事实，测量是有误差的，估计这么估计。

等价准则也称为误差准则，或者损失函数。输出误差，输入误差，广义误差。

系统辨识好像反向传播

辨识的步骤
❖ 1，实验设计
❖ 2，模型的机构辨识
❖ 3，模型的参数辨识
❖ 4，模型检验

常常需要前一个输出和本次输入来得到下一次输出，这就是逆模型的作用所在。例如输入输出的都是状态。状态+状态转移参数=下一个状态

 

什么是控制，什么是系统。

例如PID控制器。

 

为什么需要控制理论

试想有如下场景，当你驾驶一辆汽车通过这个弯道的时候，假设你已经知道你要开的路线，那么你会怎么去操作控制你的车呢？

就是照着中线开，输入的就是中线与中心的位置，从而产生向左拐向右拐，输出的就是中线更靠近中心。

给定指定速度，从而用pid实现控制输入，从而改变当前速度。

给定指定温度，从而用pid实现控制输入(电热棒，电压)，从而改变当前温度。