补偿模煳神经网络自适应逆控制的仿真研究.pdf

2015-11-07 约4.52万字 6页立即下载

基于模煳神经网络控制的溷合式步进电动机伺服系统研究.pdf 维普资讯高技术通讯 2004．5 基于模糊神经网络控制的混合式步进电动机伺服系统研究① 王泮海② 徐殿国史敬灼 (哈尔滨工业大学电气工程系哈尔滨 150001) 摘要在对二相混合式步进电动机实行最大转矩／电流矢量控制和I王)位置控制的基础上，为克服参数时变和外界扰动对系统性能的影响，设计了一种新型高性能的参考模型

2015-09-02 约1.32万字 4页立即下载

神经网络自适应PID控制.ppt 基于神经网络的自适应PID控制 1 PIDNNC的设计及实现 1 PIDNNC的设计及实现 1 PIDNNC的设计及实现 1 PIDNNC的设计及实现 1 PIDNNC的设计及实现 1 PIDNNC的设计及实现 1 PIDNNC的设计及实现 1 PIDNNC的设计及实现 1 PIDNNC的设计及实现 2 PIDNNC的初始权值的选取 2 PIDNNC的初始权值的选取 2 PIDNNC的初始权值的选取 3 PIDNNC在倒立摆镇定控制中的应用 3 PIDNNC在倒立摆镇定控制中的应用 3 PIDNNC在倒立摆镇定控制中的应用智能控制期末考核作业 * * 1 PIDNNC的设计及实现 2 PI

2017-06-15 约小于1千字 17页立即下载

神经网络与仿真.ppt 6.径向基网络应用实例异或问题输入层为两个神经元，输出层为一个神经元，隐含层定位两个神经元1.显然问题是对称的，因此假定输出单元的两个权值相等，即w1=w2=w2.输出单元拥有一个偏置b，以保证网络具有非零均值的输出值两个隐含层结点的中心：t1=[1,1]T，t2=[0,0]T第124页,共145页，2024年2月25日，星期天6.径向基网络应用实例输入数据（0,0），（1,0），（0,1），（1,1）gji表示第j个输入向量与第i个隐含节点的中心的距离。x=[0,0;0,1;1,1;1,0] %输入向量t=[0,1;0,1] %隐含节点的中心z=dist(x,t) %计算输入向量到中心的距离

2024-04-14 约2.49万字 145页立即下载

神经网络与仿真.ppt 1.BP神经网络的结构BP网络的传递函数必须可微。BP网络一般使用Sigmoid函数或线性函数作为传递函数。Sigmoid函数是光滑、可微的函数，在分类时它比线性函数更精确，容错性较好。将输入从负无穷到正无穷的范围映射到0~1或-1~1区间内，具有非线性的放大功能。Log-SigmoidTan-Sigmoid第86页，共145页，星期日，2025年，2月5日1.BP神经网络的结构“误差反向传播”：误差信号反向传播。修正权值时，网络根据误差从后向前逐层进行修正。“反馈神经网络”：输出层的输出值又连接到输入神经元作为下一次计算的输入，如此循环迭代，直到网络的输出值进入稳定状态为止。在本书后面的章节

2025-04-07 约1.77万字 145页立即下载

基于模糊神经网络的机械臂自适应跟踪控制与仿真.docx PAGE2 摘要随着科技的发展，在航天航空、工业等领域对于机械的控制性能要求越来越高，这就促使着具有高精度、高效率的机器人去完成更加精细的工作。同样，机械臂作为机器人系统中的一部分，如何控制机械臂从而保证机器人系统的稳定也成为了如今的一个热门话题。然而对于机械臂系统来说，由于系统中存在着参数摄动、外界干扰及未建模动态等不确定性，这就导致机械臂的建模也存在着不确定性，而模型的不确定性又给机械臂轨迹跟踪的实现带来影响。虽然目前对于如何减小机械臂的跟踪误差有着大量的研究，例如通过模糊控制方法去减小系统的跟踪误差，但此类方法需要依靠反复试凑才能得到系统的参数并且没有稳定性分析。为了

2024-12-23 约2.51万字 38页立即下载

基于模糊神经网络的机械臂自适应跟踪控制与仿真.pdf 摘要随着科技的发展，在航天航空、工业等领域对于机械的控制性能要求越来越高，这就促使着具有高精度、高效率的机器人去完成更加精细的工作。同样，机械臂作为机器人系统中的一部分，如何控制机械臂从而保证机器人系统的稳定也成为了如今的一个热门话题。然而对于机械臂系统来说，由于系统中存在着参数摄动、外界干扰及未建模动态等不确定性，这就导致机械臂的建模也存在着不确定性，而模型的不确定性又给机械臂轨迹跟踪的实现带来影响。虽然目前对于如何减小机械臂的跟踪误差有着大量的研究，例如通过模糊控制方法去减小系统的跟踪误差，但此类方法需要依靠反复试凑才能得到系统的参数并且没有稳定性分析。

2025-05-01 约2.44万字 18页立即下载

基于BP神经网络的自整定PID控制仿真.doc 基于BP神经网络的自整定PID控制仿真实验六基于BP神经网络自整定PID控制仿真一、目的 ????1.熟悉神经网络的特征、结构以及学习算法 ????2.掌握神经网络自整定PID的工作原理????3.了解神经网络的结构对控制效果的影响 ????4.掌握用MATLAB实现神经网络控制系统仿真的方法。二、设备及条件 ????计算机系统 ????Matlab仿真软件三、 ????在工业控制中，PID控制是工业控制中最常用的方法。这是因为PID控制器结构简单、实现简单，控制效果良好，已得到广泛应用。但是，PID具有一定的局限性：被控制对象

2016-10-14 约5.4千字 17页立即下载

基于神经网络补偿的机械臂轨迹控制策略的研究_刘建昌.pdf 第20 卷第7 期　控　制　与　决　策 2005 年7 月 Vol. 20 No .7 　Control and Decision　 July 2005 : 1001-0920(2005) 07-0732-05 刘建昌, 苗　宇 (

2017-05-20 约1.89万字 5页立即下载

2024-11-19 约1.48千字 43页立即下载

神经网络控制续.doc 《智能控制》讲义郭兴旺北航机械学院 2007-2012 (上接ppt,“离散Hopfield网络”) 3. 连接权的设计为保证H网收敛，要求W有如下特点：保证异步工作方式收敛时，W应对称。（一般只保证此条件）保证同步工作方式收敛时，W应非负定对称。（b比a要求高）另外，对给定样本的要求是：“样本必须是网络的吸引子，而且要有一定的吸引域”，这样才能实现联想记忆功能。为实现上述功能，通常采用Hebb规则设计连接权。 Hebb学习规则：调整的原则为，若第i和第j个神经元同时处于兴奋（或同时抑制）状态，则它们之间的连接权应加强，即。这一规则与

2017-03-22 约9.54千字 38页立即下载

神经网络控制-3.ppt 神经网络控制 2012年6月 3.2 前馈神经网络 3.2.2 BP网络感知器网络 → 符号函数 → 模式分类 BP网络 → S函数 → 函数逼近 BP (Back Propagation) 设给定P组输入输出样本从函数拟合的角度，它说明BP网络具有插值功能。利用该样本集首先对BP网络进行训练,也即对网络的连接权系数进行学习和调整，以便该网络实现给定的输入输出映射关系。经过训练的BP网络，对于不是样本集中的输入也能给出合适的输出。该性质称为泛化(generalization)功能。设取拟合误差的代价函数为其中问题是如何调整连接权系

2017-06-09 约3.13千字 25页立即下载

模煳系统、模煳神经网络及应用程序设计.pdf

2018-10-04 约小于1千字页立即下载

基于BP神经网络的参数自整定PID控制器仿真研究.pdf 基于BP神经网络的参数自整定PID控制器仿真研究 文覃编号：1003-5850(2008)03—0008—03 。基于BP神经网络的参数自整定PID控制器仿真研究 PID ResearchonSimulationof Controllerbased Self—tuning

2019-01-15 约9.27千字 3页立即下载

基于ADAMS和Simulink的神经网络控制4WS汽车联合仿真研究的开题报告.pdf 基于ADAMS和Simulink的神经网络控制4WS汽车联合仿真研究的开题报告【摘要】本文基于ADAMS和Simulink平台，以4WS汽车为研究对象，探究 神经网络控制方法4WS汽车控制中的应用。利用ADAMS建立4WS汽车的动力学模型，采用Simulink实现神经网络控制系统，进行联合仿真研究，讨论神经网络控制方法4WS汽车转向系统、制动系统等方面的优化效果。【关键词】ADAMS；Simulink；神经网络；4WS汽车；联合仿真【目的和意义】随着社会的不断发展，人们对汽车性能的要求也越来越高。4WS汽车作为一种新型的汽车，具有很好的操控性能。但是在不同的路况下， 4WS

2024-09-16 约1.46千字 2页立即下载