基于人工神经网络的系统辨识演示文稿_第1页
基于人工神经网络的系统辨识演示文稿_第2页
基于人工神经网络的系统辨识演示文稿_第3页
基于人工神经网络的系统辨识演示文稿_第4页
基于人工神经网络的系统辨识演示文稿_第5页
已阅读5页,还剩23页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于人工神经网络的系统辨识演示文稿当前第1页\共有28页\编于星期三\2点基于人工神经网络的系统辨识当前第2页\共有28页\编于星期三\2点主要内容人工神经网络的概述人工神经元模型人工神经网络的结构人工神经网络的学习几种典型的人工神经网络系统辨识概述系统辨识的基本概念系统辨识的三要素系统辨识的基本过程基于神经网络的系统辨识技术人工神经网络辨识的基本原理飞行器系统气动力参数辨识当前第3页\共有28页\编于星期三\2点人工神经网络的概述1.1人工神经元模型生物神经元结构当前第4页\共有28页\编于星期三\2点人工神经网络的概述1.1人工神经元模型三个基本要素:1、连接权;2、求和单元;3、激活函数。数学模型当前第5页\共有28页\编于星期三\2点人工神经网络的概述激活函数:1、硬限幅(Heaviside)激活函数2、线性激活函数3、对数-S型(sigmoid)激活函数4、对称硬极限激活函数5、饱和线性激活函数6、双曲正切S型激活函数7、正线性激活函数

……当前第6页\共有28页\编于星期三\2点人工神经网络的概述1.2神经网络的结构前馈型网络(FNN)根据激活函数的不同,FNN又可分为多种类型。如多层感知器(MLP)、径向基网络(RBF)、小波网络(WN)当前第7页\共有28页\编于星期三\2点人工神经网络的概述反馈(递归)型网络全局反馈:Hopfield网络、Elman网络局部反馈网络是在单个神经元上进行反馈,类型很多当前第8页\共有28页\编于星期三\2点人工神经网络的概述1.3神经网络的学习通过向环境学习获取知识并改进自身性能是神经网络的一个重要特点,在一般情况下,性能的改善是按某种规定的度量调节自身参数(如权值)并随时间逐步达到的,学习方式(按环境所供信息的多少分)有以下三种:有监督学习无监督学习强化学习学习算法:δ学习规则(误差纠正规则)Hebb学习规则竞争学习当前第9页\共有28页\编于星期三\2点人工神经网络的概述1.4几种典型的人工神经网络感知机神经网络BP(BackPropagation)神经网络径向基(RadialBasisFunction,RBF)神经网络竞争学习神经网络Hopfield神经网络Boltzmann神经网络

……当前第10页\共有28页\编于星期三\2点人工神经网络的概述BP神经网络隐含层和输出层的激活函数采用对数-S型激活函数当前第11页\共有28页\编于星期三\2点人工神经网络的概述隐含层的第i个神经元在样本p作用下的输入为:隐含层的第i个神经元的输出为:输出层第k个神经元的总输入为:输出层的第k个神经元的实际输出为:BP网络的前馈计算当前第12页\共有28页\编于星期三\2点人工神经网络的概述BP网络权系数的调整规则对于每一样本p的输入模式对的二次型误差函数为:BP学习算法的基本原理是梯度最速下降法,它的中心思想是调整权值使网络总误差最小。学习过程按使误差函数Jp减小最快的方向调整加权系数直到获得满意的加权系数为止。因此,权系数应按Jp函数梯度变化的反方向调整,使网络逐渐收敛。输出层的神经元权系数修改公式:隐含层的神经元权系数修改公式:当前第13页\共有28页\编于星期三\2点人工神经网络的概述BP网络学习算法的计算步骤初始化:置所有的加权系数为最小的随机数;提供训练集:给出输入向量p和期望的输出向量t。计算实际输出;计算期望值与实际输出的误差;调整输出层的加权系数;调整隐含层的加权系数;返回步骤(3),直到误差满足要求为止。当前第14页\共有28页\编于星期三\2点系统辨识概述2.1系统辨识的基本概念设有一离散时不变因果系统,它的输入和输出分别为u(t)和yp(t),并设u(t)是一致有界函数,那么辨识问题可以描述为寻求一数学模型,使得模型的输出和被辨识系统的输出尽量接近。当前第15页\共有28页\编于星期三\2点系统辨识概述2.2系统辨识三要素辨识三要素和辨识要点输入/输出数据系统模型类型等价准则能够量测到的系统的输入/输出数据所考虑的系统的结构给出辨识的优化目标输入信号的选择:必须能充分激励系统的所有模态。模型的选择:兼顾精确性和复杂性最常用的误差准则是误差平方和函数当前第16页\共有28页\编于星期三\2点系统辨识概述2.3系统辨识的基本过程⑴选定和预测被辨识系统的数学模型类型⑵试验设计:选择试验信号,记录输入/输出数据⑶参数估计:选择估计方法,根据测量数据估计数学模型中的未知参数。⑷模型验证:验证所确定的模型是否恰当地表示了系统当前第17页\共有28页\编于星期三\2点基于神经网络的系统辨识技术在正向建模问题中,神经网络与待辨识系统具有相同的输入,两者的输出误差作为网络的训练信号,这是典型的有监督学习问题。学习结束后,网络模型将具有与实际系统相同的输入输出特性。3.1人工神经网络辨识的基本原理正向模型(1)正向模型当前第18页\共有28页\编于星期三\2点基于神经网络的系统辨识技术(2)逆向模型直接逆模型间接逆模型直接逆向模型是把系统输出作为网络输入,用网络的输出与系统的输入作比较,两者的误差作为网络的训练信号;而间接模型结构中有一个已知的系统正向模型,同时将逆模型网络与系统串联,网络输入是系统的期望输出,训练信号为系统的期望输出与其实际输出之差,或者是与己知神经网络正向模型的输出之差。当前第19页\共有28页\编于星期三\2点飞行器系统气动力参数辨识3.2飞行器系统气动力参数辨识飞行器系统各主要符号及其含义(6自由度)当前第20页\共有28页\编于星期三\2点飞行器系统气动力参数辨识滚转姿态(副翼)当前第21页\共有28页\编于星期三\2点飞行器系统气动力参数辨识俯仰(水平尾翼)当前第22页\共有28页\编于星期三\2点飞行器系统气动力参数辨识偏航(垂直尾翼)当前第23页\共有28页\编于星期三\2点飞行器系统气动力参数辨识假设:◆飞行器具有对称平面;◆运动中对称平面处于铅垂位置,且运动平面与飞机对称平面重合;◆飞行器进行定常直线运动。线性小扰动方程可分为彼此独立的两组,即可在纵、横两个方向上进行解耦。注:系统方程见文档当前第24页\共有28页\编于星期三\2点飞行器系统气动力参数辨识纵向系统仿真当前第25页\共有28页\编于星期三\2点飞行器系统气动力参数辨识通过MATLAB仿真得到纵向系统输入如右(其中,左侧输入为宽度为3秒的单位幅度脉冲;右侧输入为宽度为1秒的单位幅度脉冲)当前第26页\共有28页\编于星期三\2点飞行器系统气动力参数辨识

利用神经网络的正向辨识模型,对飞行器系统在小扰

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论