基于遺傳優(yōu)化的神經(jīng)網(wǎng)絡(luò)控制策略的研究.pdf

1、隨著自動控制科學(xué)的發(fā)展，人們對控制系統(tǒng)品質(zhì)的要求不斷提高，對具有非線性、不確定性和難以建立精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)的控制方面，傳統(tǒng)的控制策略越來越顯示出其局限性，與此同時智能控制理論的發(fā)展，為解決這類問題提供了新的研究思路。本文所研究的基于遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)復(fù)合逆控制策略，利用遺傳算法和人工神經(jīng)網(wǎng)絡(luò)的融合來解決當(dāng)前控制領(lǐng)域的難題。由于人工神經(jīng)網(wǎng)絡(luò)具有非線性映射、并行計算、自學(xué)習(xí)等能力以及魯棒性強等特點，目前在復(fù)雜非線性系統(tǒng)進行建模、參

2、數(shù)優(yōu)化和控制等領(lǐng)域應(yīng)用廣泛。
　　本文對多層前向BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)問題展開研究。對基于梯度下降的BP學(xué)習(xí)算法存在的局部收斂的問題，引入遺傳算法來解決神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值學(xué)習(xí)，提出了改進BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的遺傳尋優(yōu)學(xué)習(xí)算法，提高了網(wǎng)絡(luò)的學(xué)習(xí)精度。并以逆系統(tǒng)控制思想為指導(dǎo)，提出了基于遺傳尋優(yōu)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的復(fù)合逆控制策略。
　　本文以材料試驗機這一典型的電液伺服系統(tǒng)為控制對象，把基于遺傳尋優(yōu)神經(jīng)網(wǎng)絡(luò)的復(fù)合逆控制策略應(yīng)用到材料試驗