神經(jīng)網(wǎng)絡(luò)pid控制-展示頁
2024-08-22 11:15本頁面
【正文】 負對函數(shù)，而隱含層神經(jīng)元非負的層神經(jīng)元的激發(fā)函數(shù)取不能為負值，所以輸出，由于。 17 圖二 神經(jīng)網(wǎng)絡(luò) PID控制系統(tǒng)結(jié)構(gòu)圖 二、方案二 18 分系數(shù)。用下列各式對15 。計算??13 ? ?)11( 3,2,1 , 1 0 )()()1(?)1()1()()()()1()1()()()10()11(.8?????????????????????????ikxkukykykrkkkukukykyJkkJkkN N Ciicici????的權(quán)值進行修正。同時送到對象及將產(chǎn)生由12 ? ?))1()1()1(.7)10( )()()()()()()()()1(?)()1(?)()1(?.61)2()2()3(1)2()2()2()2(???????????????????????kykrkykkn e tfkkukn e tkn e tkOkOkykukykukyQiiniiQiiiiiy數(shù)學模型計算。 3. 計算 ??In Q)()( krky 、)()()( kykrke ??)1()()( ???? kekeke)2()1(2)()(2 ?????? kekekeke11 ? ?)()()1(?1)(1,1,)()()()()(1)(1,(10),()()1()( ),(N N C 4.1)2()3()2()2()2(0)1()2()2()1()1(kOkkykOQikn e tfkOkOkkn e tkOnnjnnjkunjjkykOkyN N IN N IkukuQiiiQiinnjjijinnuyyyyjuyuy????????????????????????????????）。用 (1,1)之間的隨機值對 NNC和 NNI的權(quán)值進行初始化，令 k=0。為動量系數(shù)，其值均在為學習速率，）式中（－＋＝－＋＝整規(guī)律為：最小化，加權(quán)系數(shù)的調(diào)性能指標使數(shù)和閾值學習算法來修正加權(quán)系利用108)8(,1,0,2,1)1()()()()1(?)1()()1()()1(?)1()()7()1(?)1(21,)2()1()2()3()2()3()2()3(2??????????????????????????????????????uyijjiiijiiiInnjQikkOkn e tfkkykykkkOkykykkykyJBPNNI??9 ? ?代替。()()5(iQiiixxinninniijkOkkyxxgeexxffkkuyuy8 ? ?? ?? ? ? ?? ?局極小。其構(gòu)成為網(wǎng)絡(luò)，網(wǎng)絡(luò)的輸入層有采用三層6 圖二 辨識器網(wǎng)絡(luò) NNI 結(jié)構(gòu)圖 7 ? ?? ?? ?。上式可的階次；和為、為系統(tǒng)輸出和輸入；，式中，）（模型為數(shù)學輸出的非線性系統(tǒng)，其設(shè)被控對象為單輸入單。由此可見，為輸入信號的為權(quán)系數(shù)，式中的輸出為：P I DN N CkuikkxkkxkkxkkuN N Ci)(3,2,1,)()()()(332211??????3 ? ?? ?? ?3,2,1,101)()()1()1()1()()(3,2,1,)1()1(212????????????????????ikxkukykykrkkJkkikkykrJiiciic????為學習速率，）（。1 神經(jīng)網(wǎng)絡(luò) PID控制 圖一 神經(jīng)網(wǎng)絡(luò) PID控制系統(tǒng)結(jié)構(gòu)圖 一、方案一 2 )()(1 kekx ?)1()()()(2 ????? kekekekx)2()1(2)()()( 23
高考資料相關(guān)推薦
鄂ICP備17016276號-1