基于新型动态神经元网络的逆系统方法

钱克昌，谢永杰，李小杰
新疆乌鲁木齐市２１信箱１８８分箱，新疆乌鲁木齐

摘　　　要：针对提高逆系统建模中神经网络的逼近效果和动态性能问题，根据ＰＩＤ神经元网络工作原理，提出一种具有动态激励函数的新型ＰＩＤ神经元模型—输出反馈型ＰＩＤ神经元（ＯＦＰＩＤ），输出激励采用连续的Ｓｉｇｍｏｉｄａｌ函数，使神经元具有等效的ＩＩＲ突触，采用梯度下降法实现ＯＦＰＩＤ神经元网络的权值调整，将其应用于非线性系统的神经网络逆控制系统，从而提高非线性系统的解耦效果和控制性能。仿真实验证明，提出的新型神经元网络是一种良好的非线性系统建模和控制工具。

关　键　词：动态神经网络；动态逆；ＰＩＤ神经元网络；非线性系统

１　引　言
基于神经网络的逆系统方法利用动态神经网络的逼近原理，得到对象的逆模型，从而克服了逆系统方法需要对象精确数学模型的不足。因此神经网络的逼近能力和动态性能是这种控制方法至关重要的因素［１］。ＰＩＤ神经元模型用传统的ＰＩＤ调节规律模拟神经元对信息的时空整合，分别将比例（Ｐ）、积分（Ｉ）、微分（Ｄ）功能引入神经元。ＰＩＤ神经元网络对对象具有较好的逼近能力和动态性能。本文根据生物神经元和ＰＩＤ神经元的原理，提出一种具有动态激励函数的新型ＰＩＤ神经元模型，输出采用连续的Ｓｉｇｍｏｉｄａｌ函数，使其具有等效ＩＩＲ突出，从而明显改善了神经网络的逼近能力和动态性能。

登录网站后可下载文件

相关阅读:

• ...2012/03/16 16:17·基于新颖自适应方法的微振动陀螺仪研究