基于神經(jīng)網(wǎng)絡(luò)建模和粒子群優(yōu)化的鍋爐汽溫控制研究畢業(yè)論文(編輯修改稿)
2025-08-14 11:42 本頁面
【文章內(nèi)容簡介】 過熱汽溫系統(tǒng) 神經(jīng)網(wǎng)絡(luò) 建模 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)簡介 人工 神經(jīng)網(wǎng)絡(luò) (ArtlficialNeuralNetworkS，簡稱 ANN)是模仿人腦 功能的 一種 信息處理系統(tǒng)。具有通過學習獲取知識并解決問題的能力，其知識存儲在連接權(quán)中 。 它主要借鑒了人腦神經(jīng)系統(tǒng)處理信息的過程，以數(shù)學網(wǎng)絡(luò)拓撲為理論基礎(chǔ)，以大規(guī)模并行性、高度的容錯能力以及自適應、自學習、自組織等功能為特征，集信息加工與存儲一體化，具有廣泛的應用前景。 它可用電子元件實現(xiàn)，也可用軟件在計算機上實現(xiàn)。 人工神經(jīng)網(wǎng)絡(luò)的研究涉及到計算機科學、控制論、信息科學、微電子學、心理學、認知科學、物理學、數(shù)學與力學等學科。作為智能控制的一個分支，以其獨特的非傳統(tǒng)表達方式和固有的學習能力，引起了控制界的廣泛關(guān)注 [1]。 20 世紀 40 年代初， 與 Waiter Pitts 提出了第一個神經(jīng)網(wǎng)絡(luò)模型 MP 模型，為計算神經(jīng)行為提供了可能性，從而開創(chuàng)了神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究。 到目前為止 大致經(jīng)歷了四個發(fā)展階段。從 1943 年到 60 年代，在這一階段提出了多種網(wǎng)絡(luò)模型和相關(guān)算法 ,如 1949 年 Hebb 提出了Hebb 算法、 1958 年 Rosenblatt 提出了感知器模型算法、 1960 年 Widrow 和 Hoff 提出了 ADALINE網(wǎng)絡(luò)模型，這些算法和模型都對手機網(wǎng)絡(luò)的發(fā)展起到了重 大的推動作用 ； 60 年代末至 70 年代，由于電子線路交叉極限的困難難以克服，使神經(jīng)元的數(shù)量受到限制，導致神經(jīng)網(wǎng)絡(luò)的發(fā)展進入低潮，相關(guān)研究工作進展緩慢。 80 年代到 90 年代初期，由于 物理學家 的 Hopfield 模型的提出開創(chuàng)了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計算的新途徑 ， 有力地推動了神經(jīng)網(wǎng)絡(luò)餓發(fā)展。另外，由于 能量 函數(shù)和穩(wěn)定性等概念的產(chǎn)生使神經(jīng)網(wǎng)絡(luò)又獲得了新的發(fā)展，相關(guān)的模型、算法和應用問題被提出。 90 年代以后，神經(jīng)網(wǎng)絡(luò)在經(jīng)歷了 80 年代末到 90 年代初的高潮后，硬件技術(shù)、應用范圍與理論水平都有了很大的進展，開始進入了穩(wěn)健發(fā)展時期。 神經(jīng)網(wǎng)絡(luò)的主要特性 神經(jīng)網(wǎng)絡(luò)對控制領(lǐng)域有吸引力的特點包括 [1]： ①非線性映射能力。神經(jīng)網(wǎng)絡(luò)能夠充分逼近任意復雜的非線性關(guān)系，從而形成非 線性動力學系統(tǒng)，以表示某些被控對象的模型或控制器模型。 ②具有自適應功能。神經(jīng)網(wǎng)絡(luò)具有很強的自適應能力，它能不斷地自適應修正網(wǎng) 絡(luò)權(quán)值，學習與適應不確定性系統(tǒng)的動態(tài)特性。 ③具有泛化功能。能夠處理那些未經(jīng)訓練過的數(shù)據(jù)，而獲得相應于這些數(shù)據(jù)的合 適解答，同樣，它能夠處理那些含有噪聲的數(shù)據(jù)。所有定量或定性的信息都分布存儲 于網(wǎng)絡(luò)內(nèi)的各個神經(jīng)元中，因而具有很強的容錯性和魯棒性。 ④高度并行處理，具有很強的數(shù)據(jù)融合能力。 ⑤自然地處理多輸入信號，并有多個輸出，適合于多變量系統(tǒng)。 神經(jīng)網(wǎng)絡(luò)模型 神經(jīng)網(wǎng)絡(luò)是由大量神經(jīng)元按一定的結(jié)構(gòu)連接而成，來完成不同信息 (包括智 能信息 )處理任務(wù)的非線性系統(tǒng)。不同神經(jīng)元之間通過各自的突觸權(quán)值來表示不 同的連接關(guān)系。在學習的過程中不斷調(diào)整突觸權(quán)值，使網(wǎng)絡(luò)實際輸出不斷逼近期 望輸出。圖 是基本的神經(jīng)元模型，其中 xl? xn 是神經(jīng)元的輸入， wl?鞏是輸 入連接權(quán)值，夕是神經(jīng)元的閡值 (也稱偏執(zhí)量 )。神經(jīng)元由三個基本要素構(gòu)成 : )( xf?10 ?x?1x????2nx y1?n? 圖 21 簡化的神經(jīng)元結(jié)構(gòu) 7 神經(jīng)元的每一個輸入連接都有突觸連接強度，用一個連接權(quán)值來表示，即將產(chǎn)生的信號通過連接強度放大，每一個輸入量（ jx ）都相應有一個相關(guān)聯(lián)的權(quán)重（ j? ）。處理單元將經(jīng)過權(quán)重的輸入量化，然后相加求得其加權(quán)值之和，計算出唯一的輸出量，這個輸出量（ y ）是權(quán)重和的函數(shù)。它是一個多輸入、單輸出的非線性元件，其輸入、輸出關(guān)系可描述為： ???????? ?? )(yn1j IfxI jj ?? (21) 式 中 ： y 為神經(jīng)元輸出 ； f 為輸出變換函數(shù)，或激活 函數(shù)， 其非線性特征可用閾值型、分段線性型和連續(xù)型激發(fā)函數(shù)近似 ； jx ),3,2,1( nj ???? 是 神經(jīng)元第 i 個輸入； ? 為 神經(jīng)元的 閾值 ； j? 為權(quán)系數(shù)， 表示連接的強度，說明突觸的負載。 為了方便，有時將 ?? 也看成是對應恒等于 1的輸入 0x 的權(quán)值，這時式 21的和式變成： ??? nj jjxI 0? （ 22） 其中， ?? ??0 ， 10?x 。 神經(jīng)網(wǎng)絡(luò)中常用的激發(fā)函數(shù) 有 閾值型函數(shù)、飽和型函數(shù)、雙曲型函數(shù)、 S型函數(shù)、高斯函數(shù)等，其具體表達式 如表 21 所示 . 表 21 神經(jīng)網(wǎng)絡(luò)常見激發(fā)函數(shù) 函數(shù)形式 函數(shù)表達式 說明 線性函數(shù) xxf ?)( 作用函數(shù) f 連續(xù)取值，隨 x 的增大而增大 閾值型函數(shù) ??? ??? 00 01)( xxxf ??? ?? ??? 01 01)()s gn ( xxxfx 兩種不同的表達形式，一種是對稱硬限幅函數(shù)，一種是硬限幅函數(shù)。 雙曲型函數(shù) IIeexxf?????? 11)tan h ()( 又稱為對稱的 sigmoid 函數(shù) S 型函數(shù) 01 1)( ???? ?? Iexf 又稱之為 sigmoid 函數(shù) 高斯函數(shù) ?????? ??22)(e x p)(
研究報告相關(guān)推薦
鄂ICP備17016276號-1