无论采用何种神经网络控制结构,所有控制方法都有一个共同点,即必须提供受控对象的期望输入。但是,当系统模型未知或部分未知时,就很难提供这种期望输入。NN自适应判断控制或强化控制是由Barto等提出的,并由Anderson发展的,它应用强化学习的机理。这种控制系统通常由两个网络组成,即自适应判断网络AJN和控制选择网络CSN。
    本控制系统中,AJN相当于强化学习需要的“教师”,它起到两种作用:
    (1) 通过不断的奖罚强化学习,使AJN逐渐训练为一个熟练的教师;
    (2) 经过学习后,根据受控系统的当前状态和外部强化反馈信号r(t),AJN产生一强化信号,然后提供内部强化信号r(t),以便能够判断当前控制作用的效果。CSN相当于多层前馈神经网络控制器,它在内部强化信号的引导下进行学习。通过学习,CSN根据系统编码后的状态,选择下一个控制作用。

自动控制网www.eadianqi.com版权所有