www.4778.com

 www.4778.com


钻研标的目的为历程节造与检测
发布日期:2019-11-06

  1.本坐不应用户上传的文档完整性,不预览、不比对内容而间接下载发生的问题本坐不予受理。

  请盲目恪守互联网相关的政策律例,严禁发布、、的言论。用户名:验证码:匿名?颁发评论

  基于神经收集自顺应节制 [摘要]神经收集取自顺应节制相连系的研究,已成为智能节制的一个新的分支。自顺应具有强鲁棒性,神经收集则具有优良的自进修功能和优良的容错能力,神经收集自顺应节制因为较好地融合了两者的长处而具有强大的劣势。 [环节词]神经收集 自顺应节制 鲁棒性 性 中图分类号:TP1 文献标识码:A 文章编号:1671-7597(2008)1220021-01 一、引言 人工神经收集(Artificial Neural Networks,ANN)一般简称为神经收集,它是由大量神经元彼此毗连而成的复杂收集系统。它反映人脑功能的很多根基特征,但不是对人脑神经收集系统的实正在写照,而是对人脑生物神经收集的某种简化、笼统和模仿。其特点包罗:自进修和自顺应能力、容错能力和柔韧性、并行处置能力、归纳综合分析和回忆联想能力。 二、研究现状 (一)神经收集简介 神经收集正在节制中利用较多的有多层前向BP收集、径向基函数RBF收集及Hopfield收集。多层前向BP收集和径向基函数RBF收集均为分层毗连成的静态神经收集,隔层神经元之间均无毗连,只要邻层神经元之间彼此毗连,信号由低层向高层神经元传输。多层前向收集进修算法是BP算法,BP算法的特点是布局简单,容易实现。针对BP算法中局部极小、速度慢等错误谬误,人们已提出了各类批改方式,使得BP算法愈加合用于节制手艺。径向基函数RBF收集可采用最小二乘法等优化算法。Hopfield收集是神经收集的非线性动态模子,它由非线性映照关系为Sigmoid型函数的神经元彼此毗连构成,将能量函数引入神经收集,用于解优化问题和节制问题。 (二)神经收集自顺应节制系统的典型布局 1.神经收集自校正节制(NSTC)。基于神经收集的自校正节制可分为间接节制和间接节制两种。NSTC按照受控对象的正或逆模子辨识成果间接调整节制器的内部参数,以期能满脚系统的给定机能目标。正在目前自顺应节制的研究和使用中有相当部门是自校正节制系统。一般是用神经收集去迫近被控对象的未知非线性函数,然后研究若何寻找节制器及神经收集权值调整自顺应律,使得正在不变性的根本上实现节制方针。 2.神经收集模子参考自顺应节制。基于模子参考自顺应节制的布局和工做道理,用人工神经收集来替代保守的辨识器和节制器,于是就形成了神经收集模子参考自顺应节制。它有两种方案:一种是正在辨识对象的根本上,设想节制器的间接神经收集模子参考自顺应节制;另一种是间接调整节制收集加权值的间接神经收集模子参考自顺应节制。 3.内模节制系统。内模节制已被证明有很多优良的性质,具有较强的鲁棒性,对降服系统不成测扰动具有主要意义。正在神经收集内模节制中,系统的神经收集模子取现实系统并列设置,系统输出取模子输出之差做为反馈信号,它反映了扰动和模子误差。然后,这个反馈信号馈送到系统前向通道中的节制器进行处置。此中系统的内模子和节制器均由前向动态神经收集实现。内模子是基于神经收集的系统正向模子,节制器是一个具有被控对象的逆动态特征的神经收集。凡是前加一个线性滤波器,用于加强系统的鲁棒性和提高闭环系统的机能。 三、人工神经收集正在自顺应节制系统中的使用 从目前环境来看,将人工神经收集手艺用于自顺应节制有两种体例:1.将神经收集平行移到现正在的线性自顺应节制系统中去,即参数辨识和节制器功能均由神经收集来充任和完成。2.用神经收集形成无模子间接自顺应节制系统,AG环亚集团用对象的逆动态神经收集模子或其他模子做节制器。 四、存正在问题 神经收集用于节制范畴的研究还处于初级阶段,节制系统的一些根基问题尚待处理。 (一)不变性问题 神经自顺应节制系统的不变性阐发难度极大。这是由于神经收集本身是一个大规模非线性系统,由它们按必然体例组织起来的神经节制系统具有更为复杂的动力学特征。目前,基于Lyapunov法的神经收集自顺应律曾经被使用于一类简单的非线性系统,即仿射非线性系统之中。可是,正在良多现实系统中如许的神经收集估量误差的束缚是不克不及获得的。 (二)鲁棒性问题 当被控过程存正在未建模动态特征,或者过程噪声及扰动远比所设想的环境复杂时,自顺应节制系统会得到其不变性质(称为“缺乏鲁棒性”)。因而正在自顺应节制系统的设想中,按照鲁棒性要求所设想的系统比纯真按性和不变性目标所设想的系统具有更好的节制结果。 (三)性问题 算法的性问题是一个十分主要的问题。对神经自顺应节制系统来说,存正在神经收集进修算法的和自顺应算法的两类问题。有时这两类问题是混正在一路的。对于性,有两个问题需要考虑,一是一次进修过程中系统响应能否随时间添加而趋于期望值;二是多次进修过程中,系统响应能否随锻炼次数添加而趋于期望值。 (四)神经收集的新模子及其进修算法 目前神经收集的研究正逐渐由纯真的神经计较转向计较智能并连系脑科学的研究,向生物智能标的目的成长,神经收集的研究也该当考虑取其它智能的连系,如神经收集取恍惚逻辑的连系,神经收集取遗传算法和进化计较的连系研究等,若何操纵遗传算法优化神经收集的模子布局,是此后的一个研究热点。别的,正在迫近非线性函数问题上,现有理论只处理了存正在性问题;对于节制器及辨识器,若何选择合适的神经收集模子及确定模子的布局,尚无理论指点。正在具体使用时,进修样本的拔取、初值的设定及多消息的融合等也是必需考虑的问题,而且,它们往往取所要处理的现实问题相关,使其处理有了必然的难度。 五、结论 综上所述,神经收集自顺应节制,次要是为领会决复杂的非线性、不确定、不确知系统的节制问题。一方面,因为神经收集正在自顺应节制中的庞大感化和潜能,人们火急需要开辟适用的神经节制系统以满脚工程现实的需要;另一方面,神经自顺应节制系统的根基理论研究严沉畅后,一些主要理论问题,如不变性判据、基于不变性及鲁棒性的工程设想方式等,几乎还未开展研究。这种现象的存正在,将严沉限制神经收集正在节制范畴的进一步使用和开展。因而,开展对神经自顺应节制系统的不变性、鲁棒性研究,不只具有十分主要的理论意义,并且对推进我国从动化手艺的成长、提高人工智能范畴的研究程度,亦具有十分主要的意义。 参考文献: [1]徐丽娜,神经收集节制[M],:电子工业出书社, 2003. 119-121. [2]徐湘元,自顺应节制理论取使用[M],电子工业出书社,2007. 179-205. [3]吴振顺,自顺应节制理论取使用[M],工业大学出书社,2005.2-3. [4]陈晓雷、李国怯,神经收集自顺应节制器仿实研究[J]. 做者简介: 蔡慧娟,女,硕士研究生,研究标的目的为过程节制取检测。