級化工教案ppt課件-資料下載頁
2025-05-03 03:28本頁面
【正文】 策過程，給出適合的控制量。其實質就是模糊邏輯推理?？刂坡赏ǔＳ梢唤M ifthen結構的模糊條件語句構成，例如 :if e=N and c=N， then u=PB…… 等；或總結為模糊控制規(guī)則表 四、精確化過程 通過模糊推理得到的結果是一個模糊集合。實際使用中必須要有一個明確的值才可以去控制或者驅動執(zhí)行機構。 在推理得到的模糊集合中取一個能最佳代表這個模糊推理結果可能性的精確值的過程稱為精確化過程。 常用方法的有三種：最大隸屬度函數(shù)法、重心法、加權平均法 人工神經(jīng)元網(wǎng)絡是利用物理器件來模擬生物神經(jīng)網(wǎng)絡的某些結構和功能，形成多輸入單輸出的的神經(jīng)元模型。 若干個神經(jīng)元連結起來，構成網(wǎng)絡。 四、神經(jīng)網(wǎng)絡控制： 神經(jīng)元 人工神經(jīng)網(wǎng)絡 很多人工神經(jīng)元模型，按一定方式連接而成網(wǎng)絡結構，稱為人工神經(jīng)網(wǎng)絡 。 人工神經(jīng)網(wǎng)絡可以從功能上模擬生物神經(jīng)網(wǎng)絡，如學習，識別和控制等功能。 人工神經(jīng)網(wǎng)絡的特點和優(yōu)越性，主要表現(xiàn)在三個方面： 第一，具有自學習功能。 例如實現(xiàn)圖像識別時，只要先把許多不同的圖像樣板和對應的應識別的結果輸入人工神經(jīng)網(wǎng)絡，網(wǎng)絡就會通過自學習功能，慢慢學會識別類似的圖像。自學習功能對于預測有特別重要的意義。 第二，具有聯(lián)想存儲功能 。用人工神經(jīng)網(wǎng)絡的反饋網(wǎng)絡就可以實現(xiàn)這種聯(lián)想。 第三，具有高速尋找優(yōu)化解的能力。 尋找一個復雜問題的優(yōu)化解，往往需要很大的計算量，利用一個針對某問題而設計的反饋型 人工神經(jīng)網(wǎng)絡，發(fā)揮計算機的高速運算能力，可能很快找到優(yōu)化解。 是一種多層前饋網(wǎng)絡，它分輸入層、隱含層和輸出層，其神經(jīng)元的變換函數(shù)為 s形函數(shù)。 1．反向傳播 (BP)網(wǎng)絡 該學習算法亦稱監(jiān)督學習 ， 它需要組織一批正確的輸入輸出數(shù)據(jù)對稱訓練樣本 。將輸入數(shù)據(jù)加載到網(wǎng)絡輸入端后 ， 把網(wǎng)絡的實際響應的輸出與正確的 (期望的 )輸出相比較 ， 得到誤差 ， 然后根據(jù)誤差的情況修改各連接權 ， 使網(wǎng)絡朝著能正確響應的方向不斷變化下去 ， 直到實際響應的輸出與期望的輸出之差在允許范圍之內 。 1．反向傳播 (BP)網(wǎng)絡 2．徑向基函數(shù) (RBF)網(wǎng)絡 RBF網(wǎng)絡屬于局部逼近網(wǎng)絡，它對輸入空間的某個局部區(qū)域，只有少數(shù) N個連接權影響網(wǎng)絡輸出。對于每組輸入輸出數(shù)據(jù)對，只有少量的連接權需要進行調整，從而使 RBF網(wǎng)絡具有學習速度快的優(yōu)點，使它特別適合于在過程控制中的應用。 神經(jīng)網(wǎng)絡在控制中的主要作用 在基于精確模型的各種控制結構中充當對象的模型 。 在反饋控制系統(tǒng)中直接充當控制器的作用 。 在傳統(tǒng)控制系統(tǒng)中起優(yōu)化計算作用 。 在與其它智能控制方法 ， 如模糊控制 、 專家控制等相融合中為其提供非參數(shù)化模型 、 優(yōu)化參數(shù) 、 推理模型和故障診斷等 。 總 結 預測控制基本原理 推斷控制的概念 自適應控制系統(tǒng)的概念 智能控制的概念及特點 模糊控制系統(tǒng)的概念、構成
教學課件相關推薦
鄂ICP備17016276號-1