- 1、本文档共5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
年月神经网络参数辨识在具有传感器特性的传动系统中的应用王德明江苏理工大学摘要论述了一种基于神经网络线性系统参数辨识方法导出了辨识的充分条件并将该方法应用于鼠笼式电机传动系统的转动惯量风阻系数以及负载转矩的辨识仿真结果表明即使上述参量的不正确值设置而导致系统运行状况恶化时该方法仍能保证辨识结果收敛于正确值关键词传感器特性神经网络辨识传动系统神经网络是一种具有全局对称互连特征的非线性动态网络系统该网络神经元的整体协同作用能使网络输出向着使标准能量函数递减的方向变化并最终稳定于与该能量函数所对应的平衡
1998 年 12 月 T ransactions of the CSA E D ec. 1998
神经网络参数辨识在具有传感器特性
的传动系统中的应用
王德明①
(江苏理工大学)
摘 要 论述了一种基于H op fie ld 神经网络线性系统参数辨识方法, 导出了辨识的充分条件,
并将该方法应用于鼠笼式电机传动系统的转动惯量, 风阻系数以及负载转矩的辨识。仿真结果表
明, 即使上述参量的不正确值设置而导致系统运行状况恶化时, 该方法仍能保证辨识结果收敛于
正确值。
关键词 传感器特性 神经网络辨识 传动系统
H op f ield 神经网络是一种具有全局对称互连特征的非线性动态网络系统, 该网络神经
元的整体协同作用能使网络输出向着使标准能量函数递减的方向变化, 并最终稳定于与该
能量函数所对应的平衡状态。
本文提出了将H op f ield 神经网络用于线性多变量系统的参数辨识[ 1 ] 的新方法, 并且假
定网络输入的是经传感器检测延迟的系统状态变量。经过分析, 得到了神经网络辨识输出趋
于正确的系统参数值的充分条件。在将经不同传感器检测延迟的数据进行处理之后, 我们将
H op f ie ld 神经网络用于交流传动系统的参数辨识。对于鼠笼式电机传动系统, 在转子时间常
[ 4 ]
数已知, 能够进行准确的磁场定向的前提下, 系统的励磁动态和转矩平衡动态是解耦的 ,
这时, 用H op f ie ld 神经网络辨识交流传动系统的转动惯量J , 风阻系数R 以及负载转矩T L 。
通 过仿真表明, 即使在由于转速控制器的错误设定而导致系统运行状态恶化的情况下, 用
H op f ie ld 神经网络仍然能够对该三项参数进行正确辨识。用辨识结果重新设定控制器之后,
系统得到了很好的转速跟踪控制结果。
1 考虑传感器特性的线性系统参数辨识
在标准的H op f ie ld 神经网络结构[ 2 ] 中, 如果每个神经元的输入电阻R i →∞, 则标准的
H op f ie ld 能量函数可简化为
N N N
1
E = - T V V - V I ( 1)
2 ij i j i i
i= 1 j = 1 i= 1
式中 V 、V 、I —— 分别表示第 i, j 个神经元的输出电压、电流; T —— 跨导则表示 i, j 神
i j i ij
经元间的连接权。
收稿日期:
①王德明, 副教授, 镇江市 江苏理工大学校长办公室, 212013
74 农业工程学报 1998 年
[ 2 ]
可以证明 , 该简化的H op f ield 神经网络随着时间的推移, 网络神经元的输出在状态空
间中总是朝着使简化能量函数值减小的方向运动, 网络的平衡点就是该简化能量函数值的
极小点。
这样, 在运用H op field 神经网络解决实际问题时, 关键是要确定与该待解决问题所对应
的能量函数。在将其展开并和简化能量函数相比较之后, 就能确定该网络各神经元之间的互
连系数及外部输入, 这样确定的H op f ie ld 网络, 由
文档评论(0)