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.pdf_第1頁(yè)
已閱讀1頁(yè),還剩58頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、遞歸神經(jīng)網(wǎng)絡(luò)是指在其網(wǎng)絡(luò)結(jié)構(gòu)中含有一個(gè)或多個(gè)反饋環(huán)節(jié)的神經(jīng)網(wǎng)絡(luò),它能夠?qū)崿F(xiàn)對(duì)非線性系統(tǒng)真正的動(dòng)態(tài)建模。因其網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜特點(diǎn),存在諸如網(wǎng)絡(luò)逼近性能不佳,穩(wěn)定收斂性能不理想等問(wèn)題,一般分為動(dòng)態(tài)遞歸神經(jīng)網(wǎng)路和靜態(tài)遞歸神經(jīng)網(wǎng)絡(luò)。本文研究的遞歸神經(jīng)網(wǎng)絡(luò)是遵循張等人設(shè)計(jì)思想提出的一種新型遞歸神經(jīng)網(wǎng)絡(luò)算法(NRNN),該網(wǎng)絡(luò)算法能充分利用系數(shù)的時(shí)間導(dǎo)數(shù)信息,有效用于實(shí)際工程中經(jīng)常遇到的時(shí)變問(wèn)題解析。一般而言,傳統(tǒng)的梯度遞歸神經(jīng)網(wǎng)絡(luò)(GNN)定義的是基

2、于標(biāo)量范數(shù)取值的非負(fù)的能量函數(shù),且其僅能準(zhǔn)確有效地求解定常的矩陣方程。與GNN相比,NRNN由于結(jié)構(gòu)中的時(shí)變動(dòng)態(tài)信息不僅可以準(zhǔn)確解決時(shí)變問(wèn)題,還可以描述非線性控制系統(tǒng)的動(dòng)態(tài)特性,有效處理非線性控制系統(tǒng)中的跟蹤控制問(wèn)題。
  本文主要對(duì)以下內(nèi)容作了研究討論和分析,并取得一定的研究成果:
  1)研究了時(shí)變系數(shù)矩陣方程的遞歸神經(jīng)網(wǎng)絡(luò)模型解析。根據(jù)張等人的神經(jīng)動(dòng)力學(xué)的設(shè)計(jì)思想,將誤差函數(shù)引入到遞歸神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)中來(lái),提出一種矩

3、陣取值的無(wú)界的新型遞歸神經(jīng)網(wǎng)絡(luò)(NRNN),并與傳統(tǒng)的梯度遞歸神經(jīng)網(wǎng)絡(luò)(GNN)進(jìn)行對(duì)比,數(shù)學(xué)理論分析和實(shí)驗(yàn)仿真結(jié)果表明,NRNN能夠使得網(wǎng)絡(luò)狀態(tài)解準(zhǔn)確逼近到理論解,并保持穩(wěn)定,且比GNN有更好的誤差收斂效果。
  2)研究了定常矩陣方程問(wèn)題求解的遞歸神經(jīng)網(wǎng)絡(luò)模型SIMULINK圖的建立,并進(jìn)行SIMULINK電路仿真。作為時(shí)變矩陣方程的特例,定常問(wèn)題是工程上的一種較特殊的情況,在文中通過(guò)采用遞歸神經(jīng)網(wǎng)絡(luò)方法對(duì)定常矩陣進(jìn)行解析并進(jìn)

4、行了SIMULINK模型電路仿真,仿真分析進(jìn)一步說(shuō)明了NRNN方法解析該類矩陣方程問(wèn)題的準(zhǔn)確性和可靠性。
  3)研究了遞歸神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)跟蹤控制中的具體應(yīng)用。在NRNN和GNN準(zhǔn)確可行的前提下,通過(guò)結(jié)合NRNN算法有效利用時(shí)間求導(dǎo)信息和GNN算法沿著負(fù)梯度方向求導(dǎo)信息,提出一種能夠準(zhǔn)確有效處理非線性系統(tǒng)跟蹤控制問(wèn)題的控制模型設(shè)計(jì)算法(N-G),并同時(shí)可以有效避免以往控制模型設(shè)計(jì)過(guò)程中存在的奇異值問(wèn)題。在非線性系統(tǒng)控制模型設(shè)

5、計(jì)過(guò)程中,針對(duì)嚴(yán)格反饋非線性系統(tǒng)輸入輸出特性,采用N-G方法與經(jīng)典Backstepping方法進(jìn)行控制器模型設(shè)計(jì)并在相同參數(shù)的條件下進(jìn)行實(shí)驗(yàn)仿真分析對(duì)比,實(shí)驗(yàn)結(jié)果表明N-G方法不僅能準(zhǔn)確有效地解決跟蹤控制問(wèn)題,且較Backstepping有更好的跟蹤控制性能和收斂性能。
  本文通過(guò)對(duì)時(shí)變矩陣問(wèn)題的解析,定常矩陣方程的SIMULINK模型電路仿真,驗(yàn)證了這兩類遞歸神經(jīng)網(wǎng)絡(luò)算法的有效性和準(zhǔn)確性;針對(duì)嚴(yán)格反饋非線性系統(tǒng)輸入輸出特性,結(jié)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論