[自动化学院本科生学位论文格式印刷模.docVIP

[自动化学院本科生学位论文格式印刷模.doc

  1. 1、本文档共39页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
[自动化学院本科生学位论文格式印刷模

摘 要 基于神经网络的模型参考自适应控制既具有神经网络的自适应和自学习能力,又提高了控制的鲁棒性和实时性,因此得到了广泛应用并取得了不少研究成果。但由于传统神经网络控制器采用BP学习算法,存在着收敛速度慢,易陷入局部极小等问题,影响了该模型的进一步应用。基于此,本文对传统BP学习算法进行改进,并将此应用到模型参考自适应控制神经网络控制器的设计中,和数字锁相环控制组成复合控制,对感应加热电源进行控制,仿真结果表明该算法是十分有效的。主要研究内容如下: (1) 提出了改进的分层递阶BP(HBP)和改进的双向权值调整两种学习算法。HBP网络结构被划分为多个单独的BP网络,每个BP网络分别用单独的学习速率和误差来训练权值。通过应用HBP算法在非线性系统辨识中进行仿真,证明了该方法的有效性和可行性。改进的双向权值调整学习算法是单隐层神经网络结构,将神经网络权值的调整分成两个阶段:正向阶段调整隐含层到输出层的权值,反向阶段调整输入层到隐含层的权值。这样构建的网络结构简单,弥补了传统BP算法的不足。 (2) 基于改进的HBP算法,提出了应用HBP算法训练RBF网络连接权的改进RBF神经网络,仿真结果表明该算法能有效提高了RBF网络的性能和训练速率。 (3) 通过采用改进双向权值调整学习的BP学习算法完成对被控对象的辨识,(1)“摘要”是摘要部分的标题,不可省略。 标题“摘要”选用模板中的样式所定义的“标题1”,再居中;或者手动设置成字体:黑体,居中,字号:小三,1.5倍行距,段后11磅,段前为0。 (2) 论文摘要应不少于400字。 (3) 摘要正文选用模板中的样式所定义的“正文”,每段落首行缩进2个汉字;或者手动设置成每段落首行缩进2个汉字,字体:宋体,字号:小四,行距:多倍行距 1.25,间距:段前、段后均为0行,取消网格对齐选项。 (4) 摘要正文后,列出3-5个关键词。“关键词:”是关键词部分的引导,不可省略。关键词请尽量用《汉语主题词表》等词表提供的规范词。 (5) 关键词与摘要之间空一行,多倍行距1.25。关键词词间用分号间隔,末尾不加标点,3-5个,黑体,小四,加粗。 中文摘要部分格式注意事项: (1) 论文摘要是学位论文的缩影,文字要简练、明确。内容要包括目的、方法、结果和结论,应突出论文的新见解部分。单位制一律换算成国际标准计量单位制,除特别情况外,数字一律用阿拉伯数码。文中不允许出现插图。重要的表格可以写入。 (2) 摘要中的编号和标点用Times New Roman字体,摘要和结论中如需要出现序号的采用“(1)、Times New Roman(英文中编号与此要求相同)。 Abstract Neural Networks model reference adaptive control (NNMRAC) not only possesses the neural networks’ merits of adaptive and self learning ability, but also improves the control system’s performance in robust and real-time. NNMRAC has attracted so many researchers’ interest and attention, and lots of research results have been achieved. However, traditional NNMRAC adopts BP learning algorithm, which limits its further extended applications due to slow convergence speed and easily falling into local minimum of BP algorithm. Based on it, the thesis implements improvements on traditional BP learning algorithm, and adopts the improved BP learning algorithm to NNMRAC to construct the combination control on the induction heating power with digital phase-locked loop (DPLL), together. The simulation results indicate that the proposed algorithm is quite effective. The mai

文档评论(0)

guojiahao8 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档