6.7 基于未知项在线建模的RBF网络自校正控制_第1页
6.7 基于未知项在线建模的RBF网络自校正控制_第2页
6.7 基于未知项在线建模的RBF网络自校正控制_第3页
6.7 基于未知项在线建模的RBF网络自校正控制_第4页
6.7 基于未知项在线建模的RBF网络自校正控制_第5页
已阅读5页，还剩11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

神经网络辨识及其应用刘金琨目录CONTENTS神经网络理论基础01BP网络辨识02BP网络的逼近03基于数据的BP网络离线建模04基于模型的BP神经网络离线建模05RBF网络的逼近06基于未知项在线建模的RBF网络自校正控制07Hopfield网络辨识08RBF网络辨识应用-自适应神经网络控制0907基于未知项在线建模的RBF网络自校正控制自校正控制有两种结构：直接型与间接型。直接型自校正控制也称直接逆动态控制，是前馈控制。间接自校正控制是一种由辨识器将对象参数进行在线估计，用调节器（或控制器）实现参数的自动整定相结合的自适应控制技术，可用于结构已知而参数未知但参数恒定的随机系统，也可用于结构已知而参数缓慢时变的随机系统。神经自校正控制结构如图6-21所示，它由两个回路组成：1.自校正控制器与被控对象构成的反馈回路。2.神经网络辩识器与控制器设计，实现控制器。可见，辩识器与自校正控制器的在线设计是自校正控制实现的关键。七、基于未知项在线建模的RBF网络自校正控制神经网络自校正控制原理七、基于未知项在线建模的RBF网络自校正控制神经网络自校正控制原理图6-21神经网络自校正控制框图

RBF网络自校正控制考虑被控对象：

七、基于未知项在线建模的RBF网络自校正控制

RBF网络自校正控制

七、基于未知项在线建模的RBF网络自校正控制

RBF网络自校正控制

七、基于未知项在线建模的RBF网络自校正控制

RBF网络自校正控制七、基于未知项在线建模的RBF网络自校正控制网络的权向量为：

两个RBF网络的输出分别为：

其中m为RBF网络隐层神经元的个数。RBF网络自校正控制七、基于未知项在线建模的RBF网络自校正控制辨识后，对象的输出为：

采用梯度下降法调整网络的权值：

设神经网络调整的性能指标为：

RBF网络自校正控制七、基于未知项在线建模的RBF网络自校正控制神经网络权值的调整过程为：

图6-22神经网络辨识器RBF网络自校正控制七、基于未知项在线建模的RBF网络自校正控制综上所述，神经网络自校正控制系统的结构如图6-23所示。图6-23神经网络自校正控制框图七、基于未知项在线建模的RBF网络自校正控制被控对象为：

仿真实例RBF网络逼近程序见chap6_4.m。仿真结果如图6-18至图6-20所示。图6-24正弦输出跟踪七、基于未知项在线建模的RBF网络自校正控制仿真实例

七、基于未知项在线建模的RB

人人文库> 全部分类> 教育资料 > 课件下载

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