Ви є тут

Разработка и исследование нейросетевых алгоритмов управления

Автор: 
Хоанг Куанг Тинь
Тип роботи: 
Дис. канд. техн. наук
Рік: 
2006
Артикул:
567113
179 грн
Додати в кошик

Вміст

СОДЕРЖАНИЕ
ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
ВВЕДЕНИЕ
ГЛАВА 1. ПРИМЕНЕНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧАХ ИДЕНТИФИКАЦИИ И УПРАВЛЕНИЯ
1.1. Введение
1.2. Искусственные нейронные сети и их основные свойства
1.2.1. История и основные свойства ИНС
1.2.2. Многослойные нейронные сети и их аппроксимирующие свойства
1.3. Задача идентификации на основе ИНС
1.4. Основные схемы и задача управления на основе ИНС
1.4.1. Основные схемы нейросетевого управления
1.4.2. Задача управления динамическими объектами на основе нейросетевой модели
1.5. Многослойные нейронные сети в задачах идентификации и управления
1.6. Выводы
ГЛАВА 2. ИДЕНТИФИКАЦИЯ СИСТЕМ НА ОСНОВЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
2.1. Введение
2.2. Основные этапы процедуры идентификации
2.3. Планирование и проведение эксперимента
2.4. Выбор модельной структуры
2.4.1. Линейные регрессионные модели
2.4.2. Базовые нейросетевые модельные структуры
2.4.3. Основные критерии выбора модельной структуры
2.5. Принятие решения об адекватности модели
2.5.1. Исследование корреляционных функций
2.5.2. Оценка средней ошибки обобщения
2.6. Моделирование
2.6.1. Системы управления положением считывающего устройства накопителя на жестком магнитном диске
2.6.2. Идентификация исполнительного двигателя
2.7. Выводы
ГЛАВА 3. АЛГОРИТМЫ ОПТИМИЗАЦИИ ПАРАМЕТРОВ НЕЙРОСЕТЕВОЙ МОДЕЛИ
3.1. Введение
3.2. Постановка задачи оптимизации параметров нейросетевой модели
3.3. Методы инициализации весовых коэффициентов сети
3.4. Определение шага алгоритма скорости обучения
3.5. Методы и алгоритмы оптимизации параметров нейросетевой модели
3.5.1. Методы первого порядка
3.5.2. Методы второго порядка
3.5.3. Рекуррентные методы
3.6. Критерий останова
3.7. Моделирование
3.7.1. Аппроксимация функции одной переменной на основе ИНС
3.7.2. Аппроксимация функции двух переменных на основе ИНС
3.7.3. Моделирование динамической системы на основе нейросетевой модели АИМАЛХ
3.8. Выводы
ГЛАВА 4. МЕТОДЫ СТРУКТУРНОЙ ОПТИМИЗАЦИИ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ
4.1. Введение
4.2. Способность нейросетевой модели к обобщению
4.3. Методы структурной оптимизации нейросетевой модели
4.3.1. Методы структурной оптимизации с модификацией
целевой функции
4.3.2. Методы структурной оптимизации с учетом чувствительности
4.3.3. Метод
4.4. Критерий останова
4.5. Моделирование
4.5.1. Аппроксимация функции одной переменной
4.5.2. Аппроксимация функции двух переменных
4.5.3. Моделирование динамической системы
4.6. Выводы
ГЛАВА 5. СИНТЕЗ НЕЙРОСЕТЕВЫХ СИСТЕМ УПРАВЛЕНИЯ
5.1. Введение
5.2. Методы обучения ИНС при разработке нейросетевых регуляторов
5.2.1. Алгоритмы обучения ИНС регуляторов в режиме офлайн
5.2.2. Алгоритмы обучения ИНС регуляторов в режиме реального времени
5.3. Синтез нейросетевого управления на основе инверсной модели объекта
5.3.1. Обобщенный метод обучения инверсной нейросетевой
модели
5.3.2. Обучение нейросетевой модели в режиме реального
времени специализированный метод обучения
5.3.3. Обучение нейросетевой модели в режиме реального
времени с использованием эталонной модели
5.3.4. Замечания по реализации и применению метода синтеза управления на основе инверсных нейросетевых моделей
5.4. Нейросетевое оптимальное управление
5.5. Синтез нейросетевого управления на основе прогнозирующей
9 модели iiv МРС
5.5.1. Постановка задачи
5.5.2. Нелинейное прогнозирующее управление
5.6. Параметры качества системы управления положением считывающего устройства накопителя на жстком диске
5.7. Выводы
ГЛАВА 6. НЕЙРОСЕТЕВАЯ РЕАЛИЗАЦИЯ АЛГОРИТМОВ УПРАВЛЕНИЯ ДИСТИЛЛЯЦИОННОЙ КОЛОННОЙ
6.1. Принципы функционирования дистилляционной колонны
6.1.1. Функционирование колонны в установившемся режиме
6.1.2. Логарифмические композиции
6.1.3. Внутренние и внешние потоки
6.2. Трехстадийная дистилляционная колонна
6.3. Модель многостадийной колонны
6.3.1. Динамические особенности колонны
6.3.2. Нелинейность используемой модели
6.4. Задача управления процессом дистилляции
6.4.1. Оценка быстродействия системы
6.4.2. Задача управления
6.5. Решение задачи идентификации и синтез системы управления дистилляционной колонной
6.5.1. Нейросетевая реализация процедуры идентификации дистилляционной колонны
6.5.2. Синтез нейросетевой системы управления дистилляционной колонной
6.6. Выводы
ВЫВОДЫ И ЗАКЛЮЧЕНИЯ
СПИСОК ЛИТЕРАТУРЫ