版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、現代科技的飛速進步,促使控制理論向著更復雜、嚴密的方向發(fā)展。在智能控制領域中,模糊理論和神經網絡融合正在控制領域顯示出巨大的應用潛力。模糊系統(tǒng)善于表達知識,推理類似于人的思維,但過于依賴人的主觀因素,缺乏學習和適應的能力;神經網絡結構可變,具有較強的自組織、自學習的能力,但是不具有結構性知識表達能力,網絡參數缺乏物理意義,且在學習過程中易陷入局部極值。所以將二者的特點結合起來形成模糊神經網絡就成了一種必然的趨勢。模糊神經網絡是一種能處理
2、抽象信息的網絡結構,具有強大的自學習和自整定功能,模糊神經網絡是一項重要的研究課題,對智能控制的發(fā)展具有非常重要的意義 本文主要介紹了模糊RBF網絡的結構和特點,并介紹了所存在的問題。遺傳算法是模擬達爾文的遺傳選擇和自然淘汰的生物進化過程的一種新的全局優(yōu)化搜索算法,因而采用遺傳算法來訓練模糊RBF網絡實現網絡參數的快速、全局尋優(yōu),并把這種遺傳算法優(yōu)化模糊RBF網絡算法具體應用到瓦斯移動抽排系統(tǒng)和雙力臂機器人系統(tǒng)中。 在移
3、動瓦斯抽排系統(tǒng)中主要是通過模糊RBF網絡學習模糊控制來控制。遺傳算法對模糊RBF網絡的隱函數進行全局最優(yōu)搜索,保證可以尋到最優(yōu)解,并且有較快的收斂速度。 雙力臂機器人動力模型是一個非線性和不確定性系統(tǒng),系統(tǒng)的不確定項由魯棒控制來補償。控制策略由兩種方式: 1.系統(tǒng)模型在不考慮死區(qū)時,控制方法是PD控制,系統(tǒng)中的未知項采用自適應遺傳算法優(yōu)化模糊RBF網絡整體逼近和分部逼近,并比較其控制效果。 2.在系統(tǒng)模型考慮死區(qū)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于PSO和RBF網絡的模糊末制導律研究.pdf
- 基于RBF網絡和模糊推理系統(tǒng)的織物染色配色應用研究.pdf
- 加權模糊隸屬度多模型RBF網絡及其應用.pdf
- 基于模糊理論和RBF網絡的低壓開關設備故障預測診斷研究.pdf
- 基于模糊控制RBF神經網絡短期負荷預測的研究.pdf
- 基于RBF神經網絡和模糊理論的連鑄漏鋼預報系統(tǒng)的研究.pdf
- RBF神經網絡的研究與應用.pdf
- 基于RBF網絡的模糊控制器的優(yōu)化設計.pdf
- 基于RBF模糊神經網絡的船用鍋爐汽包水位控制研究.pdf
- 廣義模糊RBF神經網絡及在多變量控制系統(tǒng)中的應用.pdf
- 軋機液壓彎輥基于GA的模糊RBF神經網絡控制的研究.pdf
- RBF模糊神經網絡的研究及其在單元機組協(xié)調控制系統(tǒng)中的應用.pdf
- rbf神經網絡的改進及其應用研究
- 基于模糊聚類與RBF神經網絡的負荷預測方法研究.pdf
- RBF神經網絡的改進及其應用研究.pdf
- 基于模糊RBF神經網絡的連鑄漏鋼預報技術的研究.pdf
- 基于遺傳模糊rbf神經網絡的復合材料健康監(jiān)測研究
- 基于模糊RBF神經網絡的人臉識別系統(tǒng)研究.pdf
- 基于模糊聚類和RBF神經網絡的高速公路事件自動探測算法研究.pdf
- 基于遺傳算法的RBF模糊神經網絡預測控制.pdf
評論
0/150
提交評論