神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究.pdf

1、該論文的研究內(nèi)容集中在神經(jīng)網(wǎng)絡(luò)算法研究和神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域中的若干應(yīng)用.神經(jīng)網(wǎng)絡(luò)可以認(rèn)為是一種基本不依賴模型的數(shù)學(xué)工具,它比較適用于那些具有不確定性或高度非線性的對象,具有較強(qiáng)的適應(yīng)和學(xué)習(xí)功能,是人工智能的一個重要的分支領(lǐng)域.該文對神經(jīng)網(wǎng)絡(luò)理論進(jìn)行了基本的概述,研究了已有神經(jīng)網(wǎng)絡(luò)的算法改進(jìn)和神經(jīng)網(wǎng)絡(luò)在控制、模式識別、故障診斷等方面的應(yīng)用.該文的主要貢獻(xiàn)如下:1.介紹了神經(jīng)網(wǎng)絡(luò)理論的發(fā)展歷史,回顧了神經(jīng)網(wǎng)絡(luò)理論的基本內(nèi)容和學(xué)習(xí)理論;主要從

2、算法和應(yīng)用兩個方面,對國內(nèi)外當(dāng)前的研究現(xiàn)狀進(jìn)行了詳盡的分析和闡述.2.在詳細(xì)分析已有的傅立葉神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,發(fā)現(xiàn)傅立葉神經(jīng)網(wǎng)絡(luò)具有將非線性映射轉(zhuǎn)化成線性映射的特點.3.針對基于機(jī)理分析和辨識的建模方法總是存在未建模的高階部分,精度不夠高和神經(jīng)網(wǎng)絡(luò)建模方法泛化能力差的缺點,將這兩種建模方法進(jìn)行融合,提出基于機(jī)理分析、系統(tǒng)辨識和RBF神經(jīng)網(wǎng)絡(luò)的混合建模方法.4.針對一類狀態(tài)不可直接測量的非線性時變系統(tǒng),提出基于BP神經(jīng)網(wǎng)絡(luò)逆模型的狀態(tài)觀測