基于pid算法的bp网络在函数逼近中的应用研究

《基于pid算法的bp网络在函数逼近中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江师范大学硕士学位论文基于PID算法的BP网络在函数逼近中的应用研究姓名：康海燕申请学位级别：硕士专业：应用数学（信息管理系统与多媒体技术）指导教师：徐秀斌20040501浙江帅范人学顾J‘学位论义摘要在这篇论文中我们给出了一种新的算法，且把该算法应用于函数逼近和对被测装簧进行监测及实时故障示警的仿真。在第三章中我们引入了该新算法，该算法把控制系统中的离散型增量式PID算式引入BP算法的权调节中，并用黄金分割法根据误差的减少速率自适应地调节PID算式中的三个系数。第四章和第五章的结果表明该算法与BP算法比较具有更好的收敛速度与精度。在第四章中我们将插值问题中构造的节点集作为神经网络学习中的

2、样本，将逼近偏差收敛性的研究在神经网络中转化为对神经网络在训练时的收敛速度及能达到的学习精度，研究对[一1，1]上非光滑函数㈦的逼近问题。发现样本集中样本分布稠密的区域网络的逼近能力较强，而且明显优于样本分布稀疏的区域。这些结论对于神经网络样本的选取有一定的借鉴作用。在第五章中我们把神经网络作为预测器，利用数据证实技术，对苏州市明达电器设备有限公司生产的两款稳压器DBW．10、S卧Ⅳ-10作为例子进行仿真，说明通过神经网络可实现对具有黑箱效应的被测装置进行监测并实现实时故障示警。关键词BP网络、样本分布、逼近、插值、推广、数据证实、PID算法、收敛——．一塑耍塑蔓盔篓望耋差堡兽茎．．．．一．

3、．AbstI翟ctIn：mist11esiswein仃oduceanewalgorimm，锄duse也ealgorimmtoappmxinlate。fhnctionsbyneuralnetworks姐dsimulatearcaltimef如ltwa玎LingSystem—InChap忙r3，、ⅣegiVethenewalgorimmbyusingdiscreteirlcrementPIDaIgorimmincon仕olsystemtoadjust血eweightsinBPalgorithIn．Weusethegoldensectionmet圭lodtoself．8d印tivelya由ust也

4、etl眦ecoemcientsinBPalgorithmaccofdillgtotlleerror．decreas洫grate．Weintegrateollrre鸵卸chformisnewalgorimmwi血compuccrsimula主ionsinChapter4舭dChapter5．(hlrresultSshow也atOurnewalgo棚mhaSbetterconvergenceandaccuracytlmBPalgori血mdoes．InChapter4，weuse血enodescorls蜘lctedi11inte耳Iolationapproxirrlat洒naSsarrlples

5、ofourneIlraInet、vorkIearIliI唱pmcess，aIId咖sfomthestudyof位convefgenceofap凹ⅨiIn撕oninto出estudyoft11econvergenccaIldaccuracyofneⅢaln融work饥lillingprocess．Asexpefinlents，、veexplor；et11eapproximadontotllenon-smoothfunc廿onHon【-1，1】byneuralnetworksonsomenodessets．Astheresuhsshowintllisch印ter，theneuml．network

6、approximationsiIlt11ercgionswithdensers锄plesarebetter山姐inmose埘tllsparsers锄ples．Suchresu船callbeIlsedforrefhencewhen、Ⅳechoose跚plesforane眦lnet啊，ork．InChapter5，wereg盯dneuraln咖rIcs笛predictors，a11dllseda：七averificationtechnologytosimulatet、votypesofmallos诅ts，DBW-10aJldSBW一10，madebySuzhouMin酣aElec矾caIdevi

7、ceLtd．Wefindmatwecanmonitordevicesw油blackboxesalld西Verealtinlefaultw枷ingsbyusingne啪lrlct、Ⅳ0rks．KeyWordsBPneuralnet、∞rk，s锄plcdismbution，appmximatiOn，interpolaIiOngeneraIization，dataVcrinc砒jon，PIDaIgorithm，co