<address id="xjdbh"></address>
<sub id="xjdbh"></sub>
<address id="xjdbh"><nobr id="xjdbh"><meter id="xjdbh"></meter></nobr></address>

              <address id="xjdbh"></address>

              <sub id="xjdbh"><listing id="xjdbh"><menuitem id="xjdbh"></menuitem></listing></sub>
              <p id="xjdbh"><dl id="xjdbh"></dl></p>
                <form id="xjdbh"></form>

                  当前位置
                  主页 > 工程技术 > 电力拖动 >
                  智能信息处理机理
                  2019-11-21 10:32

                            神经网络是模仿人脑的活动,建立脑神经活动的一种数学模型。实际上,早在20世纪40年代人们就开始对人脑和计算机交叉科学进行研究,试图解决智能信息处理机理.近年来,智能控制作为一个新的交叉学科蓬勃发展,人们开始在更高水平上寻求控制、计算机和神经重物学新的结合,以此来解决常规控制理论和方法难以解决的问题。

                          基于神经网络的控制,称为神经网络控制(NNC)简称神经控制。

                         神经网络是由大量处理单元(神经元、处理元件、电子元件、光电元件等)广泛互连而成的网络它是现代神经科学研究成果的基础上提出来的,反映了人脑的基本性能,但它不是人脑的真实描写,而是它的某种抽象、简化模拟。网络的信息处理由神经元的作用之间来实现,网络的学习和识别决定各神经元连接权系数的动态演化过程。

                          神经元是神经网络的基本处理单元,它一般是一个多输入、单输出的非线性器件。

                  空压机能量回收



                         针神经网络应用于控制理领域,是因为和传统的控制技术相比,它具有重要特征和性质:

                         1)非线性:神经网络在理论上能够以任意精度逼近任意非线性映射,这就给解决控制理论中困难的非线性问题带来了新的希望。

                        2) 分布式存贮信息:所有定量或定性的信息都等势分布贮存于网络的各神经元,神经元广泛连接,这样即使网络中部分单元损坏,也不影响整体性能,网络本身具有良好的可靠性、鲁棒性和容错性。

                        3)并行处理方式:使其具有大量复杂的控制算法的潜力。

                        4) 学习和自适应:利用系统过去的数据记录,可对网络进行训练,受过训练的网络有能力泛化,即当输入出现训练中未提供的数据时,网络也有能力进行辨识。

                        5) 数据融合:网络能够同时融合定量或定性数据,使其能够利用连接主义的结构,将传统控制方法与符号数据的人工智能相结合。

                         6)多变量系统:神经网络的多输入、多输出模型,可以方便地应用于多变量控制系统。

                         很明显,复杂控制的建模问题,具有以上所需的特征。从控制理论观点看,神经网络处理非线性的能力是最有意义的。非线性系统的多样性和复杂性,使得至今还没有建立起系统的和通用的非线性控制理论。因此,将神经网络引入控制理论是控制学科,特别是非线性控制的必然趋势和发展方向。

                         神经网络在控制中的作用分为以下几种:


                        1)中基于精确模型的各种控制结构中,充当对象的模型;

                        2)
                  在反馈控制系统中,直接充当控制器的作用;

                        3)
                  在传统控制系统中,起优化计算的作用;

                        4)
                  在与其它控制的方法和优化算法(如模糊控制、专家控制及遗传算法等)的融合中,为其提供非参数化对象模型、优化参数、推理模型及故障诊断等。

                        由于人工智能中的新技术不断出现及其在智能控制中的应用。神经网络必将在和其它新技术的融合中,在智能控制中发挥更大的作用。






                  联系方式

                  电话:400-169-2099 / 138-2698-4007

                  传真:0796-87894188

                  邮箱:tomsoco@163.com

                  地址:东莞市清溪镇大利鹿湖东路82号

                  九州彩票