2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩173頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著控制對象及其目標、任務(wù)和所處環(huán)境的復雜性提高,基于系統(tǒng)模型與規(guī)則的傳統(tǒng)控制方法愈發(fā)難以滿足其對于系統(tǒng)控制品質(zhì)的要求。研究針對復雜非線性系統(tǒng)的新一代智能控制方法,對加強系統(tǒng)的自學習和自適應能力以及確保系統(tǒng)平穩(wěn)安全運行具有理論價值和實際指導意義。
  本論文旨在研究具有高性能、低成本、易于集成等特點的智能控制方法,致力于解決理論在工程化過程中遇到的問題,特別是因?qū)嶋H系統(tǒng)模型的嚴重非線性、結(jié)構(gòu)漂移、不確定外界擾動、機械結(jié)構(gòu)磨損、核心

2、部件(執(zhí)行器,傳感器)功能失效、子系統(tǒng)故障所導致的控制性能惡化問題。為實現(xiàn)這一目標,論文首次提出將神經(jīng)科學中的客觀規(guī)律與神經(jīng)網(wǎng)絡(luò)控制理論相結(jié)合,設(shè)計更為貼近腦神經(jīng)系統(tǒng)特征的自適應控制器。在優(yōu)化神經(jīng)網(wǎng)絡(luò)的組織結(jié)構(gòu)的同時,使其能夠在非線性系統(tǒng)控制中發(fā)揮出更好的自學習與自適應能力,從而提高系統(tǒng)的整體控制性能,如控制精度、收斂速度、運算效率、抗干擾性和運行平穩(wěn)性等。鑒于此,論文的研究圍繞以下內(nèi)容展開。
  1、從操作性條件反射學習原理出發(fā)

3、,提出一種面向智能系統(tǒng)的獎賞機制和具有神經(jīng)自適應單元的操作性條件反射仿生模型(OCBM)。該模型具有自動調(diào)節(jié)權(quán)值、神經(jīng)元子網(wǎng)絡(luò)數(shù)量和基函數(shù)結(jié)構(gòu)參數(shù)的能力。針對一類未知高階非仿射系統(tǒng),設(shè)計基于OCBM的仿生控制器,并利用OCBM網(wǎng)絡(luò)對系統(tǒng)中的混合未知不確定項進行學習。以李雅普諾夫穩(wěn)定性分析為基礎(chǔ),所得出的控制策略可以確保閉環(huán)系統(tǒng)的最終一致收斂。通過仿真對比研究,進一步驗證了OCBM控制方法能夠應對系統(tǒng)模型未知、結(jié)構(gòu)漂移和不確定外界干擾等情

4、況,并且在收斂速度、控制精度和運算效率方面優(yōu)于一些傳統(tǒng)方法。
  2、結(jié)合局部權(quán)值學習框架,對OCBM網(wǎng)絡(luò)進行系統(tǒng)地改良。提出負責引導神經(jīng)元簇自動添加過程的有限神經(jīng)元自增長(FNSG)策略,形成了神經(jīng)元可按需生長的自調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)雛形。另一改進在于受限李雅普諾夫函數(shù)(BLF)的使用,確保了神經(jīng)網(wǎng)絡(luò)訓練輸入能夠始終滿足緊集先決條件,避免了切換控制中信號的不連續(xù)問題。同時,通過設(shè)計光滑飽和函數(shù)、連續(xù)權(quán)值更新律以及高斯權(quán)重函數(shù),控制器

5、信號在除神經(jīng)元簇生成的瞬時時刻外具有光滑連續(xù)性。相比元數(shù)固定和自組織控制方法,仿真結(jié)果表明,基于FNSG策略的控制器可以有效抑制冗余神經(jīng)元的生成,節(jié)省系統(tǒng)運行資源。
  3、基于對腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和調(diào)節(jié)機制的發(fā)現(xiàn),構(gòu)建一種具有時變理想權(quán)值、多元化基函數(shù)、神經(jīng)元可自動增減特征的多內(nèi)涵自調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)(MSAE-NN)。針對一類模型不連續(xù)的高階非仿射系統(tǒng),提出基于MSAE-NN的控制方法。結(jié)合魯棒自適應和BLF的設(shè)計方法,集中解決了因無

6、法滿足萬能逼近定理而導致的神經(jīng)網(wǎng)絡(luò)功能失效問題。此外,將FNSG策略拓展為神經(jīng)元可自動增加或減少的方案,并引入了神經(jīng)元平滑增減操作函數(shù),使控制信號在神經(jīng)元新增和被剔除時仍具有平滑性,從而提升系統(tǒng)的整體控制品質(zhì)。
  4、以多自由度機器人系統(tǒng)為研究對象,將MSAE-NN拓展應用到多輸入多輸出的非仿射系統(tǒng)中。結(jié)合關(guān)節(jié)空間和笛卡爾空間的具體任務(wù),設(shè)計基于MSAE-NN的神經(jīng)自適應控制方法,用于應對不確定跳變擾動和執(zhí)行器完全失效的情形。通

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)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

評論

0/150

提交評論