电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

神经网络非线性系统辨识与模型参考自适应控制器设计

神经网络非线性系统辨识与模型参考自适应控制器设计_第1页
1/6
神经网络非线性系统辨识与模型参考自适应控制器设计_第2页
2/6
神经网络非线性系统辨识与模型参考自适应控制器设计_第3页
3/6
y(k+1)=f(•)+u(k);f(•)=试论述神经网络系统建模的几种基本方法。利用 BP 网络对以下非线性系统进行辨识。非线性系统y(k+1)r 駕蔦鳥)+u(*)1)首先利用 u(k)=sin(2*pi*k/3)+1/3*sin(2*pi*k/6),产生样本点 500,输入到上述系统,产生 y(k),用于训练 BP 网络;2)网络测试,利用 u(k)=sin(2*pi*k/4)+1/5*sin(2*pi*k/7),产生测试点 200,输入到上述系统,产生 y(k),检验 BP/RBF 网络建模效果。3)利用模型参考自适应方法,设计 NNMARC 控制器,并对周期为 50,幅值为+/-0.5 的方波给定,进行闭环系统跟踪控制仿真,检验控制效果(要求超调<5%)。要求给出源程序和神经网络结构示意图,计算结果(权值矩阵),动态过程仿真图。1、系统辨识题目中的非线性系统可以写成下式:y(k)(2y(k — 1) + 1) 1+y2(k)+y2(k—1)使用 BP 网络对非线性部分 f(•)进行辨识,网络结构如图 1.1 所示,各层神使用 500 组样本进行训练,最终达到设定的 0.0001 的误差,训练过程如图1.2 所示图 1.2 网络训练过程使用 200 个新的测试点进行测试,得到测试网络输出和误差结果分别如下图pErforrndncsLGradientMu:ValidationChecks:46C-11112BO1CM洲试样本1.3,1.4 所示。从图中可以看出,相对训练数据而言,测试数据的辨识误差稍微变大,在范围内,拟合效果还算不错。图 1.3 使用 BP 网络辨识的测试结果D20inBO™12014X11WIM2

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

神经网络非线性系统辨识与模型参考自适应控制器设计

确认删除?
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群