- 1、本文档共3页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(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、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、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)。
查看更多
机器人冲压自动线的生产节拍优化.pdf
仪器仪表用户 □经验交流 □
′
神经网络可以任意精度逼近任何连续函数 。 其中, y ( k) 为对象的输出, y ( k) 为 P ID 神经网络的输出。
从结构外表看, P ID 神经网络的隐含层神经元的个数过 P ID 神经网络按反传算法进行自学习和辨识, 学习步长为
少, 但实际上, 其中的积分元等价 k 个一般神经元, 这些一般 0. 0 1。系统误差平方均值在前四步的衰减曲线见图 4。
神经元的输入分别为 1, 2, …, k - 1, k 时刻的输入层神经元
5 结论
输出值的总和值, 如图 2 所示 。
对风机系统的辨识在风机关键控制技术中有着重要的作
( ) ( )
由式 1 到式 8 可知, P ID 神经网络中的比例元 、积分元
用 ,本文提出了一种新的辨识方法 ,并对系统仿真 ,试验结果
和微分元的稳态输入输出特性都属于广义 s igm oid 函数, 因此
证明 P ID 神经网络有速度快 、收敛迅速和辨识误差单调递减等
它也具有任意连续函数逼近能力 。
特点 。同时 , 由于 P ID 神经网络具有动态性能 ,它在辨识系统
4 P ID 神经网络进行变桨控制系统的辨识 时不用设置任何附加环节 。但是 , 由于训练样本的不充分以
4. 1 风机模型 及风力机安装位置的变迁 、气候的变化等因素使模型发生变
以直驱电机为辨识系统, 由于风力机与发电机采用直接 化 ,因此在线辨识对于风力机模型的辨识乃至基于模型的变
驱动方式连接, 这是一个典型的非线性模型, 但这个模型能够 桨距控制都是十分重要的。□
反映变速风力发电机组的基本动态特性 : 参考文献
dω
J r r = Ta - Te ( 9) [ 1 ] 叶杭冶. 风力发 电机组的控制技术. 北京 : 机械工业 出版
d t 社 , 2002.
式中: J —
文档评论(0)