document.write (''); document.write ('');
收缩
龙8国际,龙8国际娱乐,www.long8.com,售后服务 东莞龙8国际电机,产品资质

www.long8.com

龙8国际_龙8国际娱乐【最新】网址_www.long8.com销售部

电  话:0769-26266341
电  话:0769-22287019

传  真:0769-28057097
邮  编:523000

地  址:东莞市万江区共联社区一号

龙8国际娱乐

辨识龙8国际电机数据预处理

系统的输入信号为-2.5F~2.5F的控制电压信号,系统的输出信号为龙8国际电机输出的轴角速度,范围为-1000/7mm~1000/77OT。数据的采集在半实物仿真平台上进行,利用MATLAB软件产生幅值在-2.5F~2.5F之间的伪随机多幅值信号作为系统的输入控制信号,系统的采样时间定为20s,采样间隔为10ms,共采集2000组数据。图1为系统的输入信号,图2为系统的输出信号。

图1:系统输入信号

系统输入信号

图2:系统输出信号

系统输出信号

神经网络是通过模拟人脑处理信息、做出决策和记忆信息的方式而建立的一种具有学习、联想、记忆和模式识别等智能信息处理功能的人工系统。神经网络突破了传统的串行信息处理方式,开创了具有分布式存储、并行协同的信息处理方式,这使得神经网络对于非线性、不确定系统具有很好的适应性,并越来越多的应用于控制的各个领域,如过程控制、生产制造,模式识别和决策支持。

图3:MP神经元模型

 MP神经元模型

前馈型神经网络由输入层、隐含层和输出层组成,隐含层可为多层。前馈型神经网的主要特征是神经元只在不同层之间进行信息传递,同层神经元不连通。前馈型网络的信息只能单向传播。典型的前馈型网络有多层感知器(MLP)、小脑神经网络(CMAC)、RBF网络和学习矢量量化网络(LVQ)。

反馈型神经网络又称递归网络或回归网络,相对于前馈型网络,反馈型网络中至少有一个反馈环节,神经元的输入既有前一层神经元的输出,也可能包含同层神经元的输出或是后一层神经元的输出。反馈型神经网络是动态网络,具有很强的联想记忆能力,但需要考虑网络输入输出延时产生的影响,网络的稳定性也是需要重点考虑的问题。典型的反馈型网络有DRNN网络,Elman网络,Jordan网络和Hopfield网络。

系统辨识中一个很重要的问题是系统的可辨识性,即给定一个特定的模型结构,被辨识系统是否可以在该结构中被精确的表现出来,不同的辨识结构会对辨识结果有很大的影响。龙8国际,龙8国际娱乐,www.long8.com假设所选神经网络辨识结构可以很好的表示被辨识系统,则对于同样的初始条件和特定输入的情况下,模型和实际系统应有相同的输出。神经网络辨识是根据辨识模型和实际系统的输出偏差动态修改神经网络的权值,使输出偏差满足期望值。神经网络辨识模型结构主要分为正向建模结构和逆向建模结构,正向建模结构中又可分为串一并辨识结构和并联辨识结构,逆向建模结构中分为直接逆向建模结构和特殊逆向建模结构。若神经网络辨识需要表示的是系统的正向动态,采用正向建模结构,反之,则采用逆向建模结构。

辨识网络输出与待辨识系统实际输出的偏差。在正向建模(串一并辨识)结构中辨识网络与实际系统平行,待辨识系统的输出作为辨识网络的教师信号,网络的预估偏差直接反传进行训练。神经网络的输出取决于过去输入值和待辨识系统过去一个输出值。因为待辨识系统为实际系统,其输入输出值都是有限值,所以网络的训练类似于静态非线性逼近问题,在神经网络内部不引入反馈,系统的稳定性较高。

图4:正向建模(串一并辨识)结构图

正向建模(串一并辨识)结构图

神经网络内部是静态函数,但网络整体却构成了一个动态系统,使辨识模型动态的映射到网络输出,能更好的逼近系统的非线性变化,相对于正向建模(串一并辨识)结构具有更好输出预测能力,但稳定性稍差。