توضیحات
چکیده
جالب ترین خاصیت یک شبکه پرسپترون چند لایه قابلیش در تقلید کردن هر رابطه ورودی و خروجی است(تقریب توابع.) در یک سیستم خطی،این رابطه تابع تبدیل، ، Gاست وهدف از شناسایی سیستم این است که تقریبی از تابع تبدیل سیستم ، پیدا کنیم .از این امر می توان در مدل سازی یا تقلید Plant ،یا گاهی در کنترل تطبیقی،در جایی که تاثیر خروجی های کنترل کننده باید قبل از اعمال آن به دستگاه معلوم باشند, استفاده کرد.
مقدمه
تابع تبدیل مطلوب برای یک سیستم 1است. اگر تابع تبدیل یک G ، plantباشد اگر بتوانیم معکوس تابع تبدیل(1/G ) را پیدا کنیم ،تابع بسیار مفیدی خواهد بود. اگر یک کنترل کننده به شکل 1/Gباشد و این کنترل کننده در ابتدای ،plantبدون فیدبک، قرار داده شود ،آنگاه تابع تبدیل کلی عبارت خواهد بوداز G*1/G=1 . بنابراین به عنوان یک قاعده کلی معکوس G را بتوانیم تقریب بزنیم،1/G ، آنگاه از آن می توان به عنوان یک کنترل کننده حلقه باز استفاده کرد و به کنترل خوبی برای plant دست یافت. از آنجایی که یک شبکه عصبی MLP می تواند هر رابطه ای را تقریب بزند باید بتواند معکوس تابع را هم تقریب بزند.
ABSTRACT
The most interesting feature of a multilayer perceptron network is its ability to mimic every input and output relationship (approximation of functions). In a linear system, this relationship is a conversion function,, G, and the objective of system identification is to find an approximation of the system conversion function. This can be used in plant modeling or imitation, or sometimes in adaptive control, where the effects of the controller outputs must be known before applying it to the device.
INTRODUCTION
The optimal conversion function for a system is 1. If the conversion function of a G is a plant, if we can find the inverse of the conversion function (1 / G), the function would be very useful. If a controller is in the form of 1 / G and this controller is placed in the beginning, plant without feedback, then the overall conversion function will be G * 1 / G = 1. So as a general rule of thumb, we can approximate G, 1 / G, then it can be used as an open loop controller, and we get good control of the plant. Since an MLP neural network can approximate any relation, it must also be able to approximate the inverse of the function.
Year: ۲۰۱۶
Source : 0
By : Hadi Behin
File Information: persian Language/ 48 Page / size: 3.44 MB
سال : ۱۳۹۵
منبع : 0
کاری از : هادی بهین
اطلاعات فایل : زبان فارسی / 48 صفحه / حجم : MB 3.44
نقد و بررسیها
هنوز بررسیای ثبت نشده است.