基于PID算法的BP網(wǎng)絡在函數(shù)逼近中的應用研究.pdf

1、在這篇論文中我們給出了一種新的算法,且把該算法應用于函數(shù)逼近和對被測裝置進行監(jiān)測及實時故障示警的仿真.在第三章中我們引入了該新算法,該算法把控制系統(tǒng)中的離散型增量式PID算式引入BP算法的權調(diào)節(jié)中,并用黃金分割法根據(jù)誤差的減少速率自適應地調(diào)節(jié)PID算式中的三個系數(shù).第四章和第五章的結果表明該算法與BP算法比較具有更好的收斂速度與精度.在第四章中我們將插值問題中構造的節(jié)點集作為神經(jīng)網(wǎng)絡學習中的樣本,將逼近偏差收斂性的研究在神經(jīng)網(wǎng)絡中轉(zhuǎn)化為

2、對神經(jīng)網(wǎng)絡在訓練時的收斂速度及能達到的學習精度,研究對[-1,1]上非光滑函數(shù)|x|的逼近問題.發(fā)現(xiàn)樣本集中樣本分布稠密的區(qū)域網(wǎng)絡的逼近能力較強,而且明顯優(yōu)于樣本分布稀疏的區(qū)域.這些結論對于神經(jīng)網(wǎng)絡樣本的選取有一定的借鑒作用.在第五章中我們把神經(jīng)網(wǎng)絡作為預測器,利用數(shù)據(jù)證實技術,對蘇州市明達電器設備有限公司生產(chǎn)的兩款穩(wěn)壓器DBW-10、SBW-10作為例子進行仿真,說明通過神經(jīng)網(wǎng)絡可實現(xiàn)對具有黑箱效應的被測裝置進行監(jiān)測并實現(xiàn)實時故障示警