| 【中文题名】 | 基于改进免疫算法和Elman神经网络的超声马达速度辨识与控制 |
| 【英文题名】 | Identification and Speed Control of Ultrasonic Motors Based on Modified Immune Algorithm and Elman Neural Networks |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-8-4 |
| 【中关键词】 | 超声马达,动态阈值调整,人工免疫算法,Elman,网络,系统辨识 |
| 【英关键词】 | |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 本文主要研究了基于人工免疫算法、Elman神经网络模型的超声马达辨识与速度控制,主要的工作包括:(1)提出了动态阈值调整人工免疫算法。(2)对改进的人工免疫算法和传统的遗传算法以及基本的免疫算法进行了比较,数值实验表明改进人工免疫算法能更好的避免早熟现象,具有较好的收敛速度和精度。(3)应用改进的免疫算法训练改进的Elman网络,实现了对Elman网络权值、结构单元的初始输入和自反馈增益因子等参数的进化训练。(4)提出了基于该算法的Elman网络辨识器和控制器,以超声马达作为一个典型的非线性系统,对超声马达的速度进行了辨识和控制。数值模拟结果表明,本文所提出的辨识器和控制器在辨识和控制过程中具有良好的精度,且对于随机扰动有较强的适应性。 |
| 【论文题纲】 |
|
第1章 绪论 |
7-16 |
|
1.1 超声马达简介 |
7-14 |
|
1.1.1 超声马达的研究意义 |
7 |
|
1.1.2 国内外超声马达发展简史与研究现状 |
7-9 |
|
1.1.3 超声马达的性能特点 |
9-10 |
|
1.1.4 超声马达的分类 |
10 |
|
1.1.5 超声马达的控制策略研究 |
10-13 |
|
1.1.6 超声马达在国内外的应用前景 |
13-14 |
|
1.2 本文主要内容 |
14-16 |
|
第2章 人工神经网络与Elman 网络简介 |
16-26 |
|
2.1 神经网络简介 |
16-22 |
|
2.1.1 生物神经元 |
16-17 |
|
2.1.2 人工神经元及转移函数 |
17-18 |
|
2.1.3 神经网络的拓扑结构 |
18-20 |
|
2.1.4 神经网络的训练 |
20-22 |
|
2.1.5 神经网络的特点 |
22 |
|
2.2 Elman 网络 |
22-26 |
|
第3章 免疫算法及改进的人工免疫算法 |
26-37 |
|
3.1 引言 |
26-27 |
|
3.2 人工免疫算法简介 |
27-30 |
|
3.3 动态阈值调整人工免疫算法 |
30-32 |
|
3.4 实验结果 |
32-36 |
|
3.5 结果分析 |
36-37 |
|
第4章 Elman 网络的超声马达系统辨识 |
37-50 |
|
4.1 引言 |
37 |
|
4.2 神经网络的系统辨识模型 |
37-41 |
|
4.3 Elman 网络系统辨识 |
41-43 |
|
4.3.1 基于DTAIA 学习算法的Elman 网络辨识器 |
41-42 |
|
4.3.2 基于DTAIA 学习算法的Elman 网络学习算法 |
42-43 |
|
4.4 数值模拟与分析 |
43-50 |
|
4.4.1 数值模拟 |
43-49 |
|
4.4.2 结果分析 |
49-50 |
|
第5章 基于DTAIA 学习算法的 Elman 网络对超声马达的速度控制 |
50-57 |
|
5.1 引言 |
50 |
|
5.2 神经网络控制结构 |
50-52 |
|
5.3 基于DTAIA 学习算法的 Elman 网络控制器 |
52-53 |
|
5.4 数值模拟与讨论 |
53-57 |
|
5.4.1 数值模拟 |
53-56 |
|
5.4.2 结果分析 |
56-57 |
|
第6章 结论 |
57-58 |
|
参考文献 |
58-62 |
|
摘要 |
62-64 |
|
Abstract |
64-67 |
|
致谢 |
67-68 |
|
导师及作者简介 |
68 |
|
| 【DOI】 | LunWen.ID:2.2008.387842 |
