智能控制導(dǎo)論報(bào)告bp神經(jīng)網(wǎng)絡(luò)模糊控制-文庫吧在線文庫
【正文】 差的變化率來進(jìn)行綜合評(píng)判。圖11模糊控制器的基本結(jié)構(gòu)規(guī)則庫模糊化接口模糊推理清晰化接口針對(duì)模糊控制器每個(gè)輸入，輸出,各自定義一個(gè)語言變量。式中——比例系數(shù)；——積分時(shí)間常數(shù)； ——微分時(shí)間常數(shù)。五、實(shí)驗(yàn)步驟基于simulink的PID控制器的仿真及其調(diào)試：調(diào)節(jié)后的Kp，Ki，Kd分別為：10 ，1， 。該控制器的控制規(guī)則表如圖所示：Simulink仿真圖如下：在調(diào)試過程中發(fā)現(xiàn)加入積分調(diào)節(jié)器有助于消除靜差，通過試湊法得出量化因子，比例因子以及積分常數(shù)。3. 掌握用MATLAB實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)仿真的方法。每一次權(quán)值和偏差的變化都與網(wǎng)絡(luò)誤差的影響成正比，并以反向傳播的方式傳遞到每一層。(3)網(wǎng)絡(luò)仿真仿真函數(shù)simff用來對(duì)網(wǎng)絡(luò)進(jìn)行仿真。1 1 1 1。X=[A(:) I(:) O(:)]。1。39。)。 % 訓(xùn)練目標(biāo)偏差=5000。% 為使網(wǎng)絡(luò)對(duì)輸入有一定容錯(cuò)能力，再分別利用不含和含有噪聲的輸入數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)=。b={1}。for i=1:10 X1=[X X (X+randn(R,N1)*) (X+randn(R,N1)*)]。w={2,1}。y1=sim(net,X)。, 39。[S2 N1]=size(T)。T1=[1。1 1 1 1。1 1 1 1。格式：[wl，bl，w2，b2]=initff(p，sl，fl，s2，f2)其中P表示輸入矢量，s表示神經(jīng)元個(gè)數(shù)，f表示傳遞函數(shù)，W表示權(quán)值，b表示閾值。尤其是基于誤差反向傳播(Back Propagation)算法的多層前饋網(wǎng)絡(luò)(MuhipleLayerFeedforward Network)，即BP網(wǎng)絡(luò)，可以以任意精度逼近任意連續(xù)函數(shù)，所以廣泛地應(yīng)用于非線性建模、函數(shù)逼近和模式分類等方面。實(shí)驗(yàn)二：神經(jīng)網(wǎng)絡(luò)字符識(shí)別一、實(shí)驗(yàn)?zāi)康?. 熟悉神經(jīng)網(wǎng)絡(luò)的特征、結(jié)構(gòu)以及學(xué)習(xí)算法 2. 了解神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)對(duì)控制效果的影響 本次設(shè)計(jì)采用雙輸入（偏差E和偏差變化量EC）單輸出（U）模糊控制器，E的論域是[6,6]，EC的論域是[6,6]，U的論域是[6,6]。積分作用的強(qiáng)弱取決于積分時(shí)間常數(shù)，越大，積分作用越
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1