基于神经网络的系统建模_第1页
基于神经网络的系统建模_第2页
基于神经网络的系统建模_第3页
基于神经网络的系统建模_第4页
基于神经网络的系统建模_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、基于神经网络的系统建模和控制基于神经网络的系统建模和控制 神经网络辨识器 神经网络控制器NN辨识器（1） 正向建模（并联）被控对象NN模型yp(k)ym(k)u(k)+_e(k) 被控对象f (.)是未知的非线性函数.神经网络模型(并联) (.)是f 的NN近似模型)1(,),(),1(,),() 1(mkukunkykyfkyppp)1(,),(),1(,),() 1(mkukunkykyfkymmmfNN辨识器（2） 正向建模（串并联）被控对象NN+_yp(k)u(k)ym(k) 被控对象f (.)是未知的非线性函数.神经网络模型(串并联) (.)是f 的NN近似模型)1(,),(),1(

2、,),() 1(mkukunkykyfkyppp)1(,),(),1(,),() 1(mkukunkykyfkyppmf 确定BP网络的结构和参数 离线利用BP学习算法训练NN 获得辨识模型（并联或串并联）神经网络系统辨识模型建模实例 未知非线性系统为)()(1 ()()()() 1(32kukxkxkugkxfkx 串并行NN模型为 辨识结构图)()() 1( kuNNgkxNNfkx辨识目标：辨识状态渐近等价真实状态辨识目标：辨识状态渐近等价真实状态NNf, NNg均用含有两层隐层的前向网络，隐层节点数分别为20,10.输入、输出节点数均为1。 输入信号采用均匀分布于-2，2的随机数。 学

3、习步长取为0.08，训练10万次结束。 取)10/2sin()25/2sin()(kkku 实际状态与网络状态的比较实际状态与网络状态的比较NN用于控制被控对象NN+_y(t)u(t)r(t)离散系统神经网络控制被控对象f (.), g()均是未知的非线性函数, yr(k)是给定的目标轨线。控制目标：设计控制使得系统的输出跟踪上目标轨线，即)()()() 1(kukygkyfkyppp)()()() 1(kukygkyfkyppr这是三元未知函数，假设由此确定u(k)未知函数，用NN来逼近这个函数。离散系统神经网络控制（2） 神经网络控制其中w是权重矩阵，s是归一化基向量函数。这里NN模型是径

4、向基Gauss网络模型。参数自适应律为 )1(),()()1(),()(kykyskwkykyNNkurpTrp)1(),()()() 1(kykyskekwkwrp未知离散动态系统的自适应跟踪控制连续系统神经网络控制被控对象f (.), g()均是未知的非线性函数, yr(t)是给定的目标轨线。控制目标：设计控制使得系统的输出跟踪上目标轨线，即)()()()(tutygtyftyppp)()()()(tutygtyftyppr这是三元未知函数，假设由此确定u(t)未知函数，用NN来逼近这个函数。连续系统神经网络控制（2） 神经网络控制其中w是权重矩阵，s是归一化基向量函数。这里NN模型是径向基Gauss网络模型。参数自适应律为 )(),()()(),()(tytystwtytyNNt

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论