CAJ | 학술논문

针对生产过程中参数容易受外界影响而改变,传统的系统辩识方法难以得到精确的数学模型的实际情况,提出利用神经网络的自学习、自适应功能实现动态在线建模.本文对这种方法进行了仿真研究.由计算机产生仿真输入信号:随机信号或M序列伪随机信号,输入到生产过程中普遍存在的一阶纯滞后对象.通过三层BP神经网络的神经元权值的不断调整, 实现离线辩识和在线辩识,直到神经网络的阶跃响应曲线几乎和实际系统的阶跃响应重叠. 仿真结果表明,神经网络的自我学习能力应用到动态建模中能以较高的精度逼近实际系统; 其"在线更新"特点将能进一步应用到预测控制、自适应控制和随机控制等领域.
침대생산과정중삼수용역수외계영향이개변,전통적계통변식방법난이득도정학적수학모형적실제정황,제출이용신경망락적자학습、자괄응공능실현동태재선건모.본문대저충방법진행료방진연구.유계산궤산생방진수입신호:수궤신호혹M서렬위수궤신호,수입도생산과정중보편존재적일계순체후대상.통과삼층BP신경망락적신경원권치적불단조정, 실현리선변식화재선변식,직도신경망락적계약향응곡선궤호화실제계통적계약향응중첩. 방진결과표명,신경망락적자아학습능력응용도동태건모중능이교고적정도핍근실제계통; 기"재선경신"특점장능진일보응용도예측공제、자괄응공제화수궤공제등영역.