基于PID算法的BP网络在函数逼近中的应用研究-应用数学(信息管理系统与多媒体技术)专业论文.docxVIP

浙江帅范人学顾J‘学位论义摘 浙江帅范人学顾J‘学位论义 摘 要 在这篇论文中我们给出了一种新的算法，且把该算法应用于函数逼近和对被 测装簧进行监测及实时故障示警的仿真。 在第三章中我们引入了该新算法，该算法把控制系统中的离散型增量式PID 算式引入BP算法的权调节中，并用黄金分割法根据误差的减少速率自适应地调 节PID算式中的三个系数。第四章和第五章的结果表明该算法与BP算法比较具 有更好的收敛速度与精度。 在第四章中我们将插值问题中构造的节点集作为神经网络学习中的样本，将 逼近偏差收敛性的研究在神经网络中转化为对神经网络在训练时的收敛速度及 能达到的学习精度，研究对[一1，1]上非光滑函数㈦的逼近问题。发现样本集中 样本分布稠密的区域网络的逼近能力较强，而且明显优于样本分布稀疏的区域。 这些结论对于神经网络样本的选取有一定的借鉴作用。 在第五章中我们把神经网络作为预测器，利用数据证实技术，对苏州市明 达电器设备有限公司生产的两款稳压器DBW．10、S卧Ⅳ-10作为例子进行仿真， 说明通过神经网络可实现对具有黑箱效应的被测装置进行监测并实现实时故障 示警。 关键词 BP网络、样本分布、逼近、插值、推广、数据证实、PID算法、收敛 ——．一 ——．一 塑耍塑蔓盔篓望耋差堡兽茎．．．．一．． AbstI翟ct In：mis t11esis we in仃oduce new algorimm，锄d use也e algorimm to appmxinlate。fhnctions by neural networks姐d simulate rcal time f如lt wa玎Ling System— In Chap忙r 3，、Ⅳe giVe the new algorimm by using discrete irlcrement PID aIgorimm in con仕ol system to adjust血e weights in BP algorithIn．We the golden section met圭lod to self．8d印tively a由ust也e tl眦e coemcients in BP algorithm accofdillg to tlle error．decreas洫g rate．We integrate re鸵卸ch for mis new algorimm wi血compuccr simula主ions in Chapter 4舭d Chapter 5．(hlr resultS show 也at new algo棚m haS better convergence and accuracy tlm BP algori血m does． In Chapter 4，we use血e nodes corls蜘lcted i11 inte耳Iolation approxirrlat洒n sarrlples of neIlraI net、vork IearIliI唱pmcess，aIId咖sfom the study of位 convefgence of ap凹ⅨiIn撕on into出e study of t11e convergencc aIld accuracy of neⅢal n融work饥lilling process．As expefinlents，、ve explor；e t11e approximadon to tlle non-smooth func廿on H on【-1， 1】by neural networks some nodes sets．As the resuhs show in tllis ch印ter，the neuml．network approximations iIl t11e rcgions with denser s锄ples better山姐in mose埘tll sparser s锄ples．Such resu船call be Ilsed for refhence when、Ⅳe choose跚ples for ne眦l net啊，ork． In Chapter 5，we reg盯d neural n咖rIcs笛predictors，a11d da：七a verification technology to simulate t、vo types of mallos诅ts，DBW-10 aJld SBW一1 0，made by Suzhou Min酣a Elec矾caI device Ltd．We find mat we monitor devices w油black boxes alld西Ve realtinle fault w枷ings by