智能脉络在起重机平稳况估量里的运用.pptVIP

智能脉络在起重机平稳情况估量里的运用 1Elman神经网络原理 　　1.1Elman神经网络结构 　　Elman神经网络模型与常见的BP神经网络不同，具有上下文层，即在前馈网络的隐含层中增加一个承接层，作为一步延时算子，将隐含层前一时刻的输出反馈到当前时刻的输入，达到记忆的目的。这种反馈连接使Elman网络能够检测随时间变化的序列信息，从而使系统具有适应时变特性的能力，能直接反映动态过程系统的特性。此外，Elman网络还具有如下特点： 　　能够以任意精度逼近任意非线性映射；不必考虑外部噪声对系统影响的具体形式。若能给出系统的输入输出数据对，就可以利用Elman网络对系统进行建模，这给复杂系统的建模带来一种新的方法。 Elman型回归神经元网络一般分为四层：输入层、隐含层（中间层）、承接层和输出层，如1.其输入层、隐含层和输出层的连接类似于前馈网络，输入层的单元仅起信号传输作用，隐含层单元的传递函数可采用线性或非线性函数。 　　1.2Elman神经网络的学习过程 　　如1所示，Elman网络的非线性状态空间表达式为： 　　y（k）＝g（w 3 x（k）x（k）＝f（w 1 xc（k）＋w 2（u（k－1））x c（k）＝k（k－1） 　　其中y，x，u，xc分别表示维输出结点向量，n维中间层结点单元向量，r维输入向量和n维反馈状态向量。 w 1，w 2，w3分别表示