共查询到19条相似文献，搜索用时 125 毫秒
1.
针对机械臂位置跟踪问题,基于RBF神经网络控制理论,提出了一种自适应反演控制方法．该方法利用反演控制技术解决了系统的非线性问题,通过神经网络对系统中不确定函数进行逼近,实现神经网络自适应反演控制,最后通过Lyapunov稳定性理论证明所得闭环系统的最终一致有界．仿真结果证明该算法的有效性． 相似文献
2.
传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度. 相似文献
3.
针对水箱液位这样一个多干扰、大惯性、高度非线性系统控制性能优化较困难,传统的控制策略在控制精度、灵敏度以及系统稳定性均存在缺陷,充分利用神经网络具有非线性函数逼近能力,构造神经网络PID自整定控制器,在解决高度非线性和严重不确定系统方面具有较好控制能力.解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题.仿真结果表明,该控制能使系统达到较好的控制效果. 相似文献
4.
刘俊 《绵阳师范学院学报》2015,(2):79-83
直接使用BP神经网络拟合非线性函数,具有预测精度差、收敛速度慢等缺点.该文提出利用极强全局搜索能力的思维进化算法来优化BP神经网络.首先根据BP神经网络拓扑结构构建思维进化算法模型,然后用思维进化算法得到的最优解作为BP神经网络的初始权值和阈值,最后利用MATLAB软件对多个非线性函数进行拟合仿真实验,比较思维进化算法优化BP神经网络和单纯使用BP神经网络的预测结果 .数据表明,优化后的BP神经网络具有更高的拟合精度和更短的网络训练时间. 相似文献
5.
由于神经网络控制在处理非线性不确定系统所表现出来的优点,近年来各国对神经网络控制技术均进行了深入广泛的研究。本文在现有各研究者的研究成果的基础上,对神经网络控制的发展历程、发展现状以及发展趋势做了详细系统的论述。 相似文献
6.
7.
8.
神经网络逼近任意非线性函数的能力在基于神经网络的系统辨识和控制之中发挥着重要作用。重点研究常用的BP(Back Propagation)人工神经网络的工作原理和学习算法,同时利用Matlab进行仿真。仿真结果表明,基于BP网络的控制算法具有良好的应用性。 相似文献
9.
为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别. 相似文献
10.
11.
12.
ＮＴＲＯＤＵＣＴＩＯＮＡｆｔｅｒｍｕｃｈｒｅｓｅａｒｃｈａｎｄｓｏｍｅｓｕｃｃｅｓｓｆｕｌａｐ ｐｌｉｃａｔｉｏｎｓｏｆＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ (ＡＮＮ)ｔｏｃｏｎｔｒｏｌｓｙｓｔｅｍｓ,ＡＮＮｈａｓｂｅｃｏｍｅｏｎｅｏｆｔｈｅｉｍ ｐｏｒｔａｎｔｔｏｏｌｓｔｏｓｈｏｗｔｈｅｉｎｔｅｌｌｉｇｅｎｃｅｏｆｔｈｅｈｕ ｍａｎｂｒａｉｎ .ＳｉｎｃｅＡＮＮｃａｎｂｅｕｓｅｄｔｏｄｅｓｃｒｉｂｅａｎｙｎｏｎｌｉｎｅａｒｃｏｎｔｉｎｕｏｕｓｆｕｎｃｔｉｏｎ ,ｉｔｈａｓｄｒａｗｎｍｕｃｈａｔ… 相似文献
13.
This paper proposes an adaptive algorithm of neural nets with a special perturbation for a real time velocity control system
of a VVVF (Variable Voltage Variable Frequency) hydraulic elevator. The weight vector of the neural network is adaptively
adjusted by the LMS (Least Mean Square) with perturbation, so it is not necessary to know the nonlinear continuous function
of the control system. The nonlinear velocity control system is considered as the controller output function in an adaptive
controller model. The experimental results obtained from the VVVF hydraulic elevator showed that the neural nets controller
using the perturbation algorithm proposed are much stabler and faster in dynamic response compared with the conventional PID
(Proportion-Integration-Derivation) controller.
Project (69775013) Supported by NSFC 相似文献
14.
The fuzzy NN predictive control algorithm introduced in this paper uses fuzzy neural network to model the nonlinear MIMO process.
Its training method that integrates LS and BP algorithm brings quick convergence. GPC algorithm is used as the predictive
component. The fuzzy neural network has six layers, including input layer, output layer and four hidden layers. An application
to a MIMO nonlinear process (green liquor system of the recovery system in a pulp factory shows that this algorithm has better
performance than normal PID algrithm.
Project (No. 20010539) supported by Education Office of Zhejiang Province. 相似文献
15.
针对一类可转化为“标准块控制形”的MIMO非线性系统,基于动态面控制技术,提出一种鲁棒自适应神经网络控制算法。采用径向基函数神经网络逼近不确定性模型,通过引入一阶滤波器,消除后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,同时补偿项的引入可避免反馈线性化方法中可能出现的控制器奇异性问题,无需控制增益矩阵正定、可逆的条件。利用李亚普诺夫方法,证明了闭环系统是半全局一致终结有界,适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内。计算机仿真结果表明此法的有效性。 相似文献
16.
集中供热系统热网有着多输入、多输出、非线性、时变性、强耦合的特点,智能解耦控制算法是解决热网流量控制的有效方法。文章讨论了神经网络解耦控制策略,设计了基于非线性、多变量的神经网络解耦控制器。应用于实验室热网控制的结果表明,该控制算法有明显的控制效果,能实现稳定供热和均匀供热的整体目标。 相似文献
17.
18.
从建立稳定、精确的非线性预测模型出发,以Broyden,Fletcher,Goldfarb和Sharmo(BFGS)的拟牛顿优化算法为基础,在神经网络的训练过程中引入两个含有不同参数的拟牛顿校正公式并行的确定搜索方向,通过不精确搜索法求取最优步长,最后根据性能指标取最优的一个搜索方向和相应的步长对网络各层之间的权值进行修正。控制器采用神经网络递推多步预测、自补偿式在线闭环反馈校正以及迭代学习求解进行优化的方法。Matlab仿真结果验证了该方法的有效性。 相似文献
19.
A new chaos control method is proposed to take advantage of chaos or avoid it. The hybrid Internal Model Control and Proportional Control learning scheme are introduced. In order to gain the desired robust performance and ensure the system's stability, Adaptive Momentum Algorithms are also developed. Through properly designing the neural network plant model and neural network controller, the chaotic dynamical systems are controlled while the parameters of the BP neural network are modified. Taking the Lorenz chaotic system as example, the results show that chaotic dynamical systems can be stabilized at the desired orbits by this control strategy. 相似文献