神經(jīng)網(wǎng)絡(luò)在非線性不確定系統(tǒng)中的應(yīng)用研究

電氣自動(dòng)化論文編號(hào):ZD527 論文字?jǐn)?shù):29342,頁(yè)數(shù):58，有開(kāi)題報(bào)告，任務(wù)書(shū)，文獻(xiàn)綜述

目   錄
摘  要  Ⅰ
Abstract Ⅱ
第1章  緒論 1
 1.1 神經(jīng)網(wǎng)絡(luò)概述 1
 1.2 神經(jīng)網(wǎng)絡(luò)的研究發(fā)展史 1
 1.2.1 啟蒙時(shí)期 1
    1.2.2 低潮時(shí)期 2
    1.2.3 復(fù)興時(shí)期 2
    1.2.4 新時(shí)期 2
    1.2.5 國(guó)內(nèi)研究概況 3
 1.3 人工神經(jīng)網(wǎng)絡(luò)的主要應(yīng)用領(lǐng)域 3
    1.3.1 信息領(lǐng)域 3
 1.3.2 自動(dòng)化領(lǐng)域 3
 1.3.3 工程領(lǐng)域 4 1.4 畢業(yè)設(shè)計(jì)與要求及基本思路 4
第2章  模糊神經(jīng)網(wǎng)絡(luò)控制 6
 2.1 人工神經(jīng)元模型 6
 2.2 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 7
 2.2.1 層次網(wǎng)絡(luò)模型 7
 2.2.2 互連網(wǎng)絡(luò)模型 7
 2.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法 8
 2.3.1 學(xué)習(xí)方式 8
 2.3.2 學(xué)習(xí)規(guī)則 8
 2.3.3 學(xué)習(xí)與自適應(yīng) 11
 2.4 前向神經(jīng)網(wǎng)絡(luò) 11
 2.4.1 感知器 11
 2.4.2 線形神經(jīng)網(wǎng)絡(luò) 12
 2.5 BP控制方法 12
    2.5.1 基于BP 算法的多層前饋網(wǎng)絡(luò)模型 14
    2.5.2 BP學(xué)習(xí)算法 14
 2.5.3 標(biāo)準(zhǔn)BP 算法的改進(jìn) 15
 2.5.4 基于BP 算法的多層前饋網(wǎng)絡(luò)設(shè)計(jì)基礎(chǔ) 16
 2.5.5 初始權(quán)值的設(shè)計(jì) 18
 2.5.6 多層前饋網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì) 19
 2.5.7 網(wǎng)絡(luò)訓(xùn)練與測(cè)試 19
 2.6 模糊控制方法 20
 2.6.1 模糊控制系統(tǒng)的組成 20
 2.6.2 模糊化工程 21
 2.6.3 知識(shí)庫(kù) 21
 2.6.4 推理決策邏輯 22
 2.6.5 精確化過(guò)程 22
 2.6.6 模糊控制系統(tǒng)的設(shè)計(jì) 24
 2.6.7 模糊控制系統(tǒng)的改進(jìn) 26
第3章 神經(jīng)網(wǎng)絡(luò)在非線形不確定時(shí)滯系統(tǒng)中的應(yīng)用研究 29
 3.1 方案的提出 29
 3.2 方案設(shè)計(jì) 29
 3.3 神經(jīng)網(wǎng)絡(luò)模糊控制器的自學(xué)習(xí)法 32
    3.3.1 控制誤差指標(biāo) 32
    3.3.2 調(diào)節(jié)控制器誤差指標(biāo) 32
    3.3.3 對(duì)象模型PMN輸出與測(cè)量量得的誤差指標(biāo) 32
    3.3.4 對(duì)象模型PMN網(wǎng)絡(luò)參數(shù)的學(xué)習(xí) 32
    3.3.5 模糊控制器FC 的修正因子，的學(xué)習(xí)算法 33
第四章 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的MATLAB仿真方法 35
 4.1 控制系統(tǒng)計(jì)算機(jī)仿真的基本概念 35
 4.1.1 系統(tǒng)計(jì)算機(jī)仿真 35
 4.1.2 控制系統(tǒng)計(jì)算機(jī)仿真的過(guò)程 35
 4.2 控制系統(tǒng)PID仿真 36
 4.2.1 PID簡(jiǎn)述 36
 4.2.2 PID仿真與分析 37
 4.3 模糊控制系統(tǒng)的仿真與分析 39
    4.3.1 MA TLAB模糊邏輯工具箱 39
    4.3.2 仿真與分析 39
 4.4 神經(jīng)網(wǎng)絡(luò)在非線形不確定時(shí)滯系統(tǒng)中的仿真與分析 41
結(jié)束語(yǔ) 45
參考文獻(xiàn) 46
致謝 47
附錄 48

摘要：神經(jīng)網(wǎng)絡(luò)以其可學(xué)習(xí)的特性和高度的并行結(jié)構(gòu)成為自控界的熱門(mén)研究課題。它能以任意精度逼近任意非線形函數(shù)，能同時(shí)處理定量和定性的信息，能很好地協(xié)調(diào)多種輸入信息關(guān)系。適用于多信息融合和多媒體技術(shù)。它為解決不確定性系統(tǒng)的許多控制問(wèn)題及高度非先行問(wèn)題提供了一個(gè)有力的工具。本文介紹了神經(jīng)元和神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu),并在此基礎(chǔ)上分析了人工神經(jīng)網(wǎng)絡(luò)的特性、學(xué)習(xí)、訓(xùn)練，說(shuō)明了典型網(wǎng)絡(luò)BP網(wǎng)絡(luò)的工作原理，對(duì)人工神經(jīng)網(wǎng)絡(luò)在非線形系統(tǒng)中的應(yīng)用也進(jìn)行了討論。工業(yè)生產(chǎn)過(guò)程中常有大時(shí)滯存在，用傳統(tǒng)方法不能獲得滿(mǎn)意的控制效果。針對(duì)時(shí)滯不確定非線形系統(tǒng)的控制問(wèn)題，討論了一種基于史密斯預(yù)估補(bǔ)償控制結(jié)構(gòu)的模糊控制與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的自?xún)?yōu)化控制方法。仿真分析表明它對(duì)時(shí)滯非線形時(shí)變對(duì)象具有良好的控制效果[1]。
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；模糊控制；史密斯控制；時(shí)滯不確定非線形系統(tǒng)