资料下载
本科毕业设计论文书写规范
sdy123
分享资料个
基于神经网络的模型参考自适应控制既具有神经网络的自适应和自学习能力，又提高了控制的鲁棒性和实时性，因此得到了广泛应用并取得了不少研究成果。但由于传统神经网络控制器采用BP学习算法，存在着收敛速度慢，易陷入局部极小等问题，影响了该模型的进一步应用。基于此，本文对传统BP学习算法进行改进，并将此应用到模型参考自适应控制神经网络控制器的设计中，和数字锁相环控制组成复合控制，对感应加热电源进行控制，仿真结果表明该算法是十分有效的。主要研究内容如下：
（1） 提出了改进的分层递阶BP（HBP）和改进的双向权值调整两种学习算法。HBP网络结构被划分为多个单独的BP网络，每个BP网络分别用单独的学习速率和误差来训练权值。通过应用HBP算法在非线性系统辨识中进行仿真，证明了该方法的有效性和可行性。改进的双向权值调整学习算法是单隐层神经网络结构，将神经网络权值的调整分成两个阶段：正向阶段调整隐含层到输出层的权值，反向阶段调整输入层到隐含层的权值。这样构建的网络结构简单，弥补了传统BP算法的不足。
（2） 基于改进的HBP算法，提出了应用HBP算法训练RBF网络连接权的改进RBF神经网络，仿真结果表明该算法能有效提高了RBF网络的性能和训练速率。
（3） 通过采用改进双向权值调整学习的BP学习算法完成对被控对象的辨识，改进RBF神经网络训练控制器参数，学习速率自调整的BP算法训练自适应滤波器，提出改进的神经网络模型参考自适应控制器。通过对该系统仿真，结果表明该控制方法是可行的和有效的。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
