2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩74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、模糊辨識(shí)就是采用模糊集合理論,根據(jù)系統(tǒng)的輸入輸出值來(lái)辨識(shí)系統(tǒng)的模糊模型。目前,它被廣泛地應(yīng)用于非線性系統(tǒng)的辨識(shí)中?,F(xiàn)有辨識(shí)算法仍存在一些難題,例如避免“維數(shù)災(zāi)難”和提高模型泛化能力的問(wèn)題。模糊模型辨識(shí)主要分為結(jié)構(gòu)辨識(shí)和參數(shù)辨識(shí)兩個(gè)部分,其中最重要的便是結(jié)構(gòu)辨識(shí),目前尚未形成對(duì)結(jié)構(gòu)辨識(shí)完善的理論。而且,目前的一些模糊模型辨識(shí)方法很難應(yīng)用到實(shí)際生產(chǎn)過(guò)程中,其中一個(gè)主要的原因就是傳統(tǒng)辨識(shí)方法存在計(jì)算復(fù)雜度高與龐大的規(guī)則庫(kù)的問(wèn)題。因此,本文研究

2、的主要出發(fā)點(diǎn)就是如何設(shè)計(jì)簡(jiǎn)單有效的辨識(shí)算法,以及減少其計(jì)算復(fù)雜度,使其適用于工業(yè)生產(chǎn)過(guò)程中。
  本文研究了一種基于最小二乘支持向量機(jī)(LSSVM)的T-S模糊建模新方法,提出了一種基于LSSVM的模糊內(nèi)??刂撇呗裕缓髮⑵鋺?yīng)用到先進(jìn)鑄造設(shè)備的定量澆鑄控制。主要做了以下工作:
 ?。?)針對(duì)標(biāo)準(zhǔn)支持向量機(jī)模糊建模方法的計(jì)算復(fù)雜度高問(wèn)題,引入LSSVM算法的等式約束,明顯的提高了建模效率。
  (2)通過(guò)LSSVM算法對(duì)

3、模糊模型進(jìn)行結(jié)構(gòu)劃分,實(shí)現(xiàn)模糊模型的結(jié)構(gòu)辨識(shí);在不改變訓(xùn)練參數(shù)的情況下,通過(guò)剪枝算法得到具有稀疏性的支持向量,依據(jù)支持向量的個(gè)數(shù)來(lái)劃分模糊空間,從而使得模型結(jié)構(gòu)簡(jiǎn)單,便于應(yīng)用推廣。
  (3)將LSSVM模糊模型引入內(nèi)??刂浦?,將其作為系統(tǒng)的內(nèi)部模型,并且根據(jù)該模型設(shè)計(jì)了逆模型控制器。
  (4)設(shè)計(jì)了整個(gè)定量澆鑄控制系統(tǒng)。主要分析了定量澆鑄加壓控制系統(tǒng)的控制特點(diǎn),建立了仿真模型。仿真結(jié)果表明,在定量澆鑄的液面加壓系統(tǒng)中,基

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