本文關(guān)鍵詞：基于對角遞歸神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)

  更多相關(guān)文章： 對角遞歸神經(jīng)網(wǎng)絡(luò) 控制策略 組態(tài) 控制器 辨識器

【摘要】：針對角遞歸神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、收斂速度快,可廣泛用于非線性系統(tǒng)的辨識與控制的特點.基于工業(yè)自動化通用技術(shù)平臺(IAP),采用圖形化控制策略組態(tài)技術(shù)開發(fā)了一套基于對角遞歸神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng),該系統(tǒng)具有基于參考模型跟蹤的控制結(jié)構(gòu),可快速自適應(yīng)地調(diào)整控制器參數(shù).仿真實驗結(jié)果表明,基于對角遞歸神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)控制精度高、穩(wěn)定性好,可成為處理復雜工業(yè)過程,尤其是解決不確定和非線性領(lǐng)域問題的有效工具.
【作者單位】： 福州大學電氣工程與自動化學院;福建省工業(yè)控制信息安全技術(shù)企業(yè)重點實驗室;
【關(guān)鍵詞】： 對角遞歸神經(jīng)網(wǎng)絡(luò) 控制策略 組態(tài) 控制器 辨識器
【基金】：福建省科技廳高校產(chǎn)學合作科技重大資助項目(2013H6009)
【分類號】：TP273;TP183
【正文快照】： 0引言人工神經(jīng)網(wǎng)絡(luò)是模擬人類大腦中神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與行為的一種模型,具有很強的自學習和自適應(yīng)能力.神經(jīng)網(wǎng)絡(luò)按結(jié)構(gòu)可分為前饋神經(jīng)網(wǎng)絡(luò)與遞歸(反饋)神經(jīng)網(wǎng)絡(luò).遞歸神經(jīng)網(wǎng)絡(luò)[1]利用網(wǎng)絡(luò)內(nèi)部的狀態(tài)反饋描述系統(tǒng)的非線性特性,更適用于處理非線性和具有時延特性的模型.對角遞歸神

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 金仁貴;;帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)在故障診斷方面的應(yīng)用[J];電腦知識與技術(shù);2006年29期

2 陳鋼;王占山;;連續(xù)時間遞歸神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[J];沈陽理工大學學報;2007年02期

3 汪曉夢;;帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)在故障診斷方面的應(yīng)用優(yōu)化[J];甘肅聯(lián)合大學學報(自然科學版);2010年05期

4 杜艷可;徐瑞;;具有時滯的遞歸神經(jīng)網(wǎng)絡(luò)動力學研究進展[J];北華大學學報(自然科學版);2012年01期

5 蔣洪睿,莫瑋,李麗;遞歸神經(jīng)網(wǎng)絡(luò)自適應(yīng)均衡抗突發(fā)干擾研究[J];電訊技術(shù);2000年01期

6 宋軼民,余躍慶,張策,馬文貴;動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)及其在機敏機構(gòu)辨識中的應(yīng)用[J];機械科學與技術(shù);2001年04期

7 張奇志,賈永樂,周雅莉;噪聲有源控制的遞歸神經(jīng)網(wǎng)絡(luò)方法[J];控制與決策;2001年03期

8 李峰,李樹榮;基于動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的動態(tài)矩陣控制[J];石油大學學報(自然科學版);2001年03期

9 唐普英,李紹榮,黃順吉;一種新的復值遞歸神經(jīng)網(wǎng)絡(luò)訓練方法及其應(yīng)用[J];信號處理;2001年06期

10 文敦偉,蔡自興;遞歸神經(jīng)網(wǎng)絡(luò)的模糊隨機學習算法[J];高技術(shù)通訊;2002年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 房毅憲;王寶文;王永茂;;基于偏差遞歸神經(jīng)網(wǎng)絡(luò)的股價預(yù)測(英文)[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學與技術(shù)應(yīng)用（CACIS）學術(shù)會議論文集（上冊）[C];2006年

2 劉勇;沈毅;胡恒章;;遞歸神經(jīng)網(wǎng)絡(luò)自適應(yīng)濾波器[A];1998年中國智能自動化學術(shù)會議論文集（上冊）[C];1998年

3 趙英凱;蔡寧;;基于對角遞歸神經(jīng)網(wǎng)絡(luò)的肟化投酮量在線預(yù)估[A];1998年中國智能自動化學術(shù)會議論文集（上冊）[C];1998年

4 李樹榮;李峰;;基于動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)重構(gòu)[A];1998年中國控制會議論文集[C];1998年

5 史志偉;韓敏;;應(yīng)用遞歸神經(jīng)網(wǎng)絡(luò)建立非線性結(jié)構(gòu)系統(tǒng)模型[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

6 叢爽;戴誼;;遞歸神經(jīng)網(wǎng)絡(luò)逼近性能的研究[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)交流會論文集[C];2006年

7 呂進;郭晨;劉雨;;基于不完全遞歸神經(jīng)網(wǎng)絡(luò)的二階導數(shù)多步預(yù)測模糊控制及應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

8 蒲興成;;時變時滯不確定遞歸神經(jīng)網(wǎng)絡(luò)漸近穩(wěn)定的一個充分條件[A];2008’“先進集成技術(shù)”院士論壇暨第二屆儀表、自動化與先進集成技術(shù)大會論文集[C];2008年

9 仉寶玉;吳志敏;;基于對角遞歸神經(jīng)網(wǎng)絡(luò)的智能PID控制[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)交流會論文集[C];2003年

10 沈艷;謝美萍;;基于遞歸神經(jīng)網(wǎng)絡(luò)的船舶運動極短期建模預(yù)報[A];第二屆全國信息獲取與處理學術(shù)會議論文集[C];2004年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 趙永昌;一類時滯靜態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的動力學行為研究[D];中國海洋大學;2010年

2 高海賓;擾動作用下遞歸神經(jīng)網(wǎng)絡(luò)穩(wěn)定性研究[D];燕山大學;2006年

3 黃玉嬌;具有廣義分段線性激活函數(shù)的遞歸神經(jīng)網(wǎng)絡(luò)的多穩(wěn)定性分析[D];東北大學;2014年

4 徐東坡;遞歸神經(jīng)網(wǎng)絡(luò)梯度學習算法的收斂性[D];大連理工大學;2009年

5 于佳麗;遞歸神經(jīng)網(wǎng)絡(luò)的連續(xù)吸引子與模糊控制[D];電子科技大學;2009年

6 王芬;遞歸神經(jīng)網(wǎng)絡(luò)的動力學行為分析[D];武漢科技大學;2011年

7 季策;時滯遞歸神經(jīng)網(wǎng)絡(luò)的動態(tài)特性研究[D];東北大學;2005年

8 徐軍;遞歸神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];浙江大學;2007年

9 張銳;幾類遞歸神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性及其應(yīng)用研究[D];東北大學;2010年

10 張益軍;時滯遞歸神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析及網(wǎng)絡(luò)化同步控制[D];東華大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 柳玉華;一種遞歸神經(jīng)網(wǎng)絡(luò)方法研究及其在非線性系統(tǒng)跟蹤控制中的應(yīng)用[D];江西理工大學;2015年

2 羅威威;全局指數(shù)穩(wěn)定的遞歸神經(jīng)網(wǎng)絡(luò)的魯棒性分析[D];中國礦業(yè)大學;2015年

3 楊渺渺;具有時滯的遞歸神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];電子科技大學;2015年

4 崔志超;基于產(chǎn)品特征的中文評論情感分析系統(tǒng)設(shè)計與實現(xiàn)[D];河北科技大學;2015年

5 余仕敏;基于遞歸神經(jīng)網(wǎng)絡(luò)的廣告點擊率預(yù)估[D];浙江理工大學;2016年

6 宛立達;基于振動信號分析的故障診斷理論與應(yīng)用[D];東北石油大學;2010年

7 李克強;基于Spark的大規(guī)模RNNLM系統(tǒng)[D];江蘇大學;2016年

8 謝偉浩;基于多尺度時間遞歸神經(jīng)網(wǎng)絡(luò)的人群異常檢測[D];廣東工業(yè)大學;2016年

9 曹成遠;基于深度學習的蛋白質(zhì)殘基相互作用預(yù)測[D];蘇州大學;2016年

10 梁軍;基于深度學習的文本特征表示及分類應(yīng)用[D];鄭州大學;2016年

，

本文編號：971143