| 题名 | 基于神经元网络的非线性系统辨识与控制的研究 |
| 作者 | 田明 |
| 学位类别 | 工学硕士 |
| 答辩日期 | 1992-06-01 |
| 授予单位 | 中国科学院自动化研究所 |
| 授予地点 | 中国科学院自动化研究所 |
| 导师 | 戴汝为 |
| 学位专业 | 模式识别与智能系统 |
| 中文摘要 | 智能控制希望从人类自身的智能研究中得到启发，以摆脱控制理论在不 确定性系统中的困境，但目前只是简单地把人工智能的方法引入控制系统 中，还没有形成系统化的理论体系，可以说智能控制这一学科仍处在起步阶 段。 早在四十年代，基于神经生理学的进展，人们试图用高度简化的人工神 经元网络模型来模拟人脑，这一方向逐渐发展成为人工智能的连接主义。从 低层次的感知角度，连接主义认为智能活动是由大规模互连的神经网络构成 的非线性动力学系统的运行过程。人工神经元网络基于其特有的功能而被应 用于控制系统中，为智能控制提供了一个有潜力的发展方向。本文主要讨论 将BP神经网络用于离散非线性动态系统的辨识与控制问题。 第一章为绪论，综述前人的工作，简要介绍了静态BP网络的系统辨识 方法并讨论了以下三种主要的神经网络控制方法：基于模式识别(函数逼近) 功能的BP网络辨识控制法，基于联想记忆模型的模糊控制，以及基于神经 元网络优化功能的控制调节。 第二章讨论基于BP网络的系统辨识方法。由于静态BP网络只能适用于 串一并联模型，因此提出一种简单的动态BP．网络，并将其作为并联模型而 用于离散非线性动态系统的辨识。仿真结果表明此方法是有效可行的。 第三章讨论了将BP网络应用于未知离散非线性动态系统的控制问题。 基于自适应控制与BP网络相结合的思想，并在第二章动态BP网络辨识器的 基础上，提出了将BP网络作为自适应控制器的二种学习控制方法一离线学 习控制与在线学习控制。§3．4节中给出的2个仿真实例表明此方法是行之 有效的。 第四章从最优控制角度探讨Hopfidd网络的学习算法，将网络权重Wu (t)当作网络控制系统中的控制作用量而不是固定参数，并且考虑Wu(t)受限 制的情况，从而把网络学习看作一个最优控制问题。 |
| 语种 | 中文 |
| 其他标识符 | 258 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.ia.ac.cn/handle/173211/7049]  |
| 专题 | 毕业生_硕士学位论文 |
| 推荐引用方式 GB/T 7714 | 田明. 基于神经元网络的非线性系统辨识与控制的研究[D]. 中国科学院自动化研究所. 中国科学院自动化研究所. 1992. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论