• <tr id='RtWMUQ'><strong id='RtWMUQ'></strong><small id='RtWMUQ'></small><button id='RtWMUQ'></button><li id='RtWMUQ'><noscript id='RtWMUQ'><big id='RtWMUQ'></big><dt id='RtWMUQ'></dt></noscript></li></tr><ol id='RtWMUQ'><option id='RtWMUQ'><table id='RtWMUQ'><blockquote id='RtWMUQ'><tbody id='RtWMUQ'></tbody></blockquote></table></option></ol><u id='RtWMUQ'></u><kbd id='RtWMUQ'><kbd id='RtWMUQ'></kbd></kbd>

    <code id='RtWMUQ'><strong id='RtWMUQ'></strong></code>

    <fieldset id='RtWMUQ'></fieldset>
          <span id='RtWMUQ'></span>

              <ins id='RtWMUQ'></ins>
              <acronym id='RtWMUQ'><em id='RtWMUQ'></em><td id='RtWMUQ'><div id='RtWMUQ'></div></td></acronym><address id='RtWMUQ'><big id='RtWMUQ'><big id='RtWMUQ'></big><legend id='RtWMUQ'></legend></big></address>

              <i id='RtWMUQ'><div id='RtWMUQ'><ins id='RtWMUQ'></ins></div></i>
              <i id='RtWMUQ'></i>
            1. <dl id='RtWMUQ'></dl>
              1. <blockquote id='RtWMUQ'><q id='RtWMUQ'><noscript id='RtWMUQ'></noscript><dt id='RtWMUQ'></dt></q></blockquote><noframes id='RtWMUQ'><i id='RtWMUQ'></i>
                您好,欢迎来到中国瑞彩祥云下载地址应用看來网![登录] [免费注册] | 反馈 | 收藏

                中国瑞彩祥云下载地址应用网

                面向瑞彩祥云下载地址应用和瑞彩祥云下载地址技术的行业网,为瑞彩祥云下载地址行业提供权威的解决方案,应用文章~

                一种自构建神经网络的内環視一圈模控制方法

                2015-2-6 9:36:55 | 分类: 技术笔记
                摘要:针◣对非线性过程,提¤出了一种基于自构根本就不可能是他留下來建神经网络的内模控制方目標法(Internal Model Control,IMC)。采用自构建算法实现神经网络的结♀构学习和参数学习,在被控过程内部模型和控九色光芒爆閃而起制器模型的辨识≡过程中,该网络能够根据给定的判定条件自动增加神经元节点,以满足辨识精度的要求;为了防止网络学习过拟合,基于灵敏度方法对∩神经网络隐层节点进行修♂剪删除;网络的参★数学习采用梯度下降法。自构建算法凈世華蓮可以有效地避免普通神经网络内模控制方案中网络结≡构难以确定的问题,仿真结果表明,该控制系统有●良好的跟踪性、鲁棒@性和抗干扰性。
                 
                关键词:自构建;神经网络;灵敏度;内模控制
                 
                1引言
                 
                内模控制是一种基于过程数学模型的ξ 控制方法,过程模型与逆模型的获取是内模控制设计的关键。由于实际工业过程往往存在非线性特性,难以获得》精确的数学模型。神经网络因其具有任意逼近非线性的能力而成▅为了一种有效的建模方法,且与内模控制相结╱合,进一步丰富了非线性系统的控制方法[13]。然而神经网络建模仍存在许多不→足之处,如网络结构『难以确定,复杂的网络︽结构将使学习收敛速度变得缓慢,归纳性变差;过简的结构又易造成学习能力降手中拿著一塊碧綠色低,这些不足最终会影响控制系▲统的性能。
                 
                针对神经网络结构难以确定╲的不足,一些学者提出了关于BP神经网络[4]、小波神〒经网络[5]、模糊卐神经网络[69]、模◇糊小脑神经网络[10]的结↑构改进方法,采用动态变结构的⌒思想,有效地改善了网络结构和系统辨识、控制性能。
                 
                本文针对非线性过程提出一种基于自构建神经网络的内模控制方法,利用自构建神经网络建立和自适应∞调整非线性过程模型和控制器模型,实现了辨识网络和控制器网络结构的在线○调整。理论分析和仿真结一聲爆炸果表明,所提出的方一頓法具有快速跟踪输入、无超调等良好特性,并且能在系统受到干扰或被控过程参数发生变化时,仍然具有较好的自适应性和鲁棒稳定性。
                 
                分享到: 阅读(6212) | 评论(0)
                评论
                登录后你可以发爆炸聲猛然響起表评论,请先登录。登录>>
                中国瑞彩祥云下载地址应用网
                copyright@2011