基于PID算法的BP網(wǎng)絡(luò)在函數(shù)逼近中的應(yīng)用研究.pdf

1、在這篇論文中我們給出了一種新的算法,且把該算法應(yīng)用于函數(shù)逼近和對(duì)被測(cè)裝置進(jìn)行監(jiān)測(cè)及實(shí)時(shí)故障示警的仿真.在第三章中我們引入了該新算法,該算法把控制系統(tǒng)中的離散型增量式PID算式引入BP算法的權(quán)調(diào)節(jié)中,并用黃金分割法根據(jù)誤差的減少速率自適應(yīng)地調(diào)節(jié)PID算式中的三個(gè)系數(shù).第四章和第五章的結(jié)果表明該算法與BP算法比較具有更好的收斂速度與精度.在第四章中我們將插值問題中構(gòu)造的節(jié)點(diǎn)集作為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的樣本,將逼近偏差收斂性的研究在神經(jīng)網(wǎng)絡(luò)中轉(zhuǎn)化為

2、對(duì)神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)的收斂速度及能達(dá)到的學(xué)習(xí)精度,研究對(duì)[-1,1]上非光滑函數(shù)|x|的逼近問題.發(fā)現(xiàn)樣本集中樣本分布稠密的區(qū)域網(wǎng)絡(luò)的逼近能力較強(qiáng),而且明顯優(yōu)于樣本分布稀疏的區(qū)域.這些結(jié)論對(duì)于神經(jīng)網(wǎng)絡(luò)樣本的選取有一定的借鑒作用.在第五章中我們把神經(jīng)網(wǎng)絡(luò)作為預(yù)測(cè)器,利用數(shù)據(jù)證實(shí)技術(shù),對(duì)蘇州市明達(dá)電器設(shè)備有限公司生產(chǎn)的兩款穩(wěn)壓器DBW-10、SBW-10作為例子進(jìn)行仿真,說明通過神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)對(duì)具有黑箱效應(yīng)的被測(cè)裝置進(jìn)行監(jiān)測(cè)并實(shí)現(xiàn)實(shí)時(shí)故障示警