動態(tài)神經(jīng)網(wǎng)絡在液壓系統(tǒng)模型辨識中的應用.pdf_第1頁
已閱讀1頁，還剩65頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、使用建立在線性或本質線性系統(tǒng)基礎上的傳統(tǒng)辨識方法對各種非線性系統(tǒng)建模、辨識難以獲得理想結果。本文利用動態(tài)神經(jīng)網(wǎng)絡能充分逼近任意復雜非線性關系這一特點展開如下研究工作： 1對神經(jīng)網(wǎng)絡系統(tǒng)辨識方法進行了綜述，與傳統(tǒng)的系統(tǒng)辨識方法作比較，指出了各自的優(yōu)缺點；回顧了神經(jīng)網(wǎng)絡的發(fā)展歷程，詳細分析了動態(tài)Elman神經(jīng)網(wǎng)絡的結構、功能和算法。 2分析了用標準BP算法訓練Elman網(wǎng)絡方法的局限，通過引入自反饋增益，得到一種Elman網(wǎng)

2、絡的改進型。同時，采用BP算法對改進的Elman網(wǎng)絡權值進行調(diào)整，以某平整冷軋機液壓自動厚控系統(tǒng)為例進行了模型的辨識，證明了改進的Elman網(wǎng)絡對高階非線性動態(tài)系統(tǒng)辨識的有效性。 3指出了標準BP算法存在的缺陷，并提出了改進。分別采用基于標準BP算法的Elman改進型網(wǎng)絡和基于動態(tài)BP算法的Elman基本型網(wǎng)絡對某冷軋機液壓AGC系統(tǒng)進行了辨識比較，發(fā)現(xiàn)改進的Elman網(wǎng)絡利用標準BP學習算法，就能達到基本Elman網(wǎng)絡利用動態(tài)

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論