文档介绍：摘要是输入与输出之间的导数关系,只有正确建立了这种导数关系才能建立输入与目前,神经网络的优化学习算法,仅利用网络的输出数据误差作为指导信和有界导数神经网络的训练结果,分析了这两种方法存在的优缺点。合,对其中的预测模型进行实时的增益调度,从一定程度上改善了控制的得有界导数神经网络拥有了可以对对象的静态和动态两部分进行建模的能神经网络的学习过程是一个优化的过程,即根据具体的误差信息来合理地选择网络的权重。在网络模型的输入与输出关系的建立中,最重要的指导信息输出之间正确的数值对应关系。息来进行网络训练,没有有效引入模型的导数信息,导致网络泛化能力差、实用性不大。单纯将输出数据误差最小作为标准来指导网络进行训练,其本质只是对样本数据精确插值,而这样的插值是非光滑的,从而对非样本数据产生较大误差。因此,在网络训练过程中,除了考虑样本数据所提供的信息外,还应该考虑到模型的导数信息,并把它转化为约束形式引入到网络学习优化过程当中。本文主要研究了带约束的神经网络训练算法,并将该神经网络应用到非线性预测控制中。本文的主要内容和创新点包括:褂昧街植煌姆椒ǘ陨窬缃写际难盗罚ü:窬褂糜薪绲际窬纾芏阅P偷奈忍糠纸薪#⒂隓算法相结品质。ü谋溆薪绲际窬绲耐缃峁梗ǜ猛绱泳材钔缱1湮A硕态网络,同时仍然使得该网络保持了其在静态时拥有的导数约束能力,使力。关键词:有界导数神经网络,预测控制,增益调度浙江人学硕:貉宦畚第
知识水坝为您整理
,.,.,’..琲,,.畉甌畐甌瑃甌瑆琾琯第页
知识水坝为您整理
第一章绪论研究背景及意义杂的控制目标,涵盖了产品质量、废料量和工况切换等各个方面。一个较好的黑箱模型成了研究的热点,其中使用神经网络建模不失为一种简单经元是脑组织的基本单元,人脑是山神经元组成的高度的自组织、自适应、自具有复杂的动力学特性、并行处理机制、学忆等功能,以及它的随着经济的发展,经济效益已经成为所有产业的重中之重,如何使用相同的原材料获得更好的产品,更多的利润成为了当前化工生产研究的重点,而在控制这一部份,仅仅要求保证系统的稳定性已经越来越难以满足当前的客观需要,为了得到更好的产品,获得更多的利润,生产商不断提出一些更高、更复同时,通过不断地研究,出现了大量的新产品来满足不同客户的需求,而制造这些产品所用到的工艺流程也变得越来越复杂,要在“稳、准、快”的基础上同时考虑其他的经济指标,这无疑给控制带来了更多的困难。并且,随着工艺流程的复杂度增加,控制中遇到的不确定的情况也在不断增加。以上的这些原因造成了,控制对象模型的复杂度增加以及非线性性的加强。由于机理模型建立较为复杂以及一些机理不明等原因,如何通过历史数据得到有效的手段。脑科学和生物神经科学的研究结果证明:人的思维是通过人脑完成的。神然智能信息处理的巨系统。人工神经元和网络则是模仿脑细胞结构和功能、脑神经结构和思维处理问题等脑功能的新型信息处理系统,由于人工神经元网络高度自组织、自适应能力和灵活性,因此受到了高度重视。其基本思想是从仿生学的角度对人脑进行模拟,使机器具有人脑那样的感知、学习、推理等智能。对于控制方面来说,神经网络的υ谟凇綢】:理论上能够充分逼近任意复杂的非线性关系;能够学习和适应严重不确定系统的动态特性;所有定量或定性的信息都等势分布在网络内的各神经元,具有很强的鲁棒性和容错性;浙江大学硕宦畚第彻
人工神经网络的发展采用并行分布处理方法,使快速进行大量运算成为可能。这些特点显示了神经网络在处理高度非线性和严重不确定性系统的控制方它的引入不仅能给这个学科带来新的生机,,《并行分布式处理》速在全世界范围内掀起人工神经网络的研究应用热潮处理、辅助决策、人工智能等许多研究领域取得了广泛的成功,但是目前神经网络仍然存在应用面不够宽,结果不够精确,可信度不够理想等众多有待解决的问题。因此目前的主要研究方向为:⒎⑾钟心P偷挠τ茫⒃谟τ弥懈菔导试诵星榭龆阅P汀⑺惴ḿ右愿造,以提高网络的训练速度和运行的准确度;徊蕉陨锷窬低辰醒芯浚欢系胤岣欢匀四缘娜鲜丁面有巨大潜能。将神经网络引入控制系统是控制学科发展的一个可行发展方向,决的问题。神经网络的研究可以追溯到世纪术期,其发展历史可以分为四个时期,第一个时期为启蒙时期,这个时期是神经网络理论研究的奠基阶段,开始于年美国著名心理学家甁关于人脑结构与功能的研究,结束于年和发表《感知器》皇椤5诙逼谖5统笔逼冢始于年,结束于年发表著名的文章“神经网络和物理系统”5谌鍪逼谖8葱耸逼冢J加皇椤第四个时期为高潮时期,以年首届国际人工神经网络学术会议为丌端,迅经过半个多世纪的理论发展,神经网络已经在模式识别、自动控制、信号肫渌闹悄芩惴ㄏ