[发明专利]多层全连接神经网络控制系统

权利要求书

1. 多层全连接神经网络控制系统，其特征是:

（1）主控制器仅由多层全连接神经网络构成

（2）反馈通道的可以不是神经网络控制器

（3）理想输入输出曲线的获取方式

（4）采样点的获取方式

（5）根据输入信号的个数确定神经网络输入神经元个数

（6）根据输出信号的个数确定神经网络输出神经元个数

（7）根据控制精度的要求确定神经网络的层数

（8）训练多层全连接神经网络控制器

（9）建立多层全连接网络控制系统，对被控对象控制。

2.根据权利要求1所述的多层全连接神经网络控制系统，其特征（1）：与其他控制系统相比，本系统没有传统的PID控制器，整个控制系统的主要控制器仅有一个多层神经网络，输入和输出之间的函数关系，全部依靠多层神经网络表达。

3.根据权利要求1所述的多层全连接神经网络控制系统，其特征（2）：本系统的反馈通道包括神经网络，但不仅限于神经网络。

4.根据权利要求1所述的多层全连接神经网络控制系统，其特征（3）：本系统的理想输入输出曲线是经过如下方式得到的，若输入和输出信号之间易于解耦，则理想输入输出曲线是经过输入信号解耦后，控制变量得到的；若输入信号不易解耦，则需要构建多维信号空间，对输出信号进行解耦得到。

5.根据权利要求1所述的多层全连接神经网络控制系统，其特征（4）：采样点获取是在理想输入输出空间上，简单随机采样，但是样本要足够大。

6.根据权利要求1所述的多层全连接神经网络控制系统，其特征（5），（6）：本系统主控制器的多层全连接网络输入和输出层神经元个数只与系统输入和输出信号有关，与其他无关。

7.根据权利要求1所述的多层全连接神经网络控制系统，其特征（7）：由于神经网络对理想输入和输出曲线是一种近似拟合，总会存在一些误差，但是在工程总不同的被控对象对误差要求不同，为了网络训练的方便，在满足精度要求的前提下，尽可能降低网络层数；一般情况下4层神经网络已经可以拟合出现代控制理论描述的所有函数了，故要根据控制精度确定网络层数。

8.根据权利要求1所述的多层全连接神经网络控制系统，其特征（8）：神经网络的训练分为前向计算和反向计算两部分。