亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

電加熱爐裝置的制作方法

文檔序號(hào):6286696閱讀:117來源:國知局
專利名稱:電加熱爐裝置的制作方法
技術(shù)領(lǐng)域
本發(fā)明專利涉及一種智能控制方法,特別是一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)控制方法,應(yīng)用于電加熱爐裝置改造。
背景技術(shù)
工業(yè)控制系統(tǒng)中,電加熱爐裝置一般采用傳統(tǒng)的PID控制方法,該方法在特定的 使用工況下具有較好的控制效果,但由于控制器的參數(shù)不便于調(diào)節(jié),當(dāng)使用工況發(fā)生變化 時(shí),不能取得得好的控制效果。對(duì)于過程溫度的控制,由于實(shí)際工況的復(fù)雜性,很難準(zhǔn)確建 立對(duì)象的數(shù)學(xué)模型。由于神經(jīng)網(wǎng)絡(luò)具有較好的學(xué)習(xí)能力和非線性逼近特性,以神經(jīng)網(wǎng)絡(luò)為 基礎(chǔ)的控制器在理論和實(shí)際應(yīng)用上已有一定的研究,包括神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的解耦控制器。 由于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力對(duì)整個(gè)解耦控制器的解耦性能具有很大的影響,因此本發(fā)明提出 了一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法。BP學(xué)習(xí)算法的基本原理是梯度最速下降法,其中心思想是調(diào)整權(quán)值使網(wǎng)絡(luò)總誤差 最小。采用梯度搜索技術(shù),以使網(wǎng)絡(luò)的實(shí)際輸出值與期望的誤差均方值最小。網(wǎng)絡(luò)學(xué)習(xí)過 程是一種誤差后向傳播修正權(quán)系數(shù)的過程。一般來說,學(xué)習(xí)率越大,權(quán)值的改變越激烈,在訓(xùn)練初期,較大的學(xué)習(xí)率對(duì)誤差的 快速下降有利,但到了一定階段,大的學(xué)習(xí)率可能導(dǎo)致振蕩,即出現(xiàn)能量函數(shù)忽升忽降或不 降反升。所以,緩慢的收斂速度和對(duì)算法收斂參數(shù)的依賴是BP算法的明顯不足。眾多方法 提出了改進(jìn)方案,以下是一種能綜合考慮收斂速度和參數(shù)魯棒性的算法。

發(fā)明內(nèi)容
本發(fā)明利用下述改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法,提出了一組注塑機(jī)料筒加溫系統(tǒng)方法。BP網(wǎng)絡(luò)計(jì)算的主題步驟(a).置各權(quán)值和閥值的初始值<(0),《(0),(ρ = 1,2...Q)其中ρ為第若干層,Q
表示總層數(shù)(b).輸入訓(xùn)練樣本(I,,dq), (ρ = 1,2...Μ)其中M表示輸入輸出數(shù)量,對(duì)每一個(gè) 樣本計(jì)算輸出和權(quán)值修正(c).計(jì)算網(wǎng)絡(luò)各層的實(shí)際輸出Xp = f(sp) = MwVri),式中f⑷為激活函數(shù)(e)若其輸出與各頂模式對(duì)的期望輸出不一致,則將其誤差信號(hào)從輸出端反向傳 播回來,并在傳播過程中對(duì)加權(quán)系數(shù)不斷修正,直到在輸出層神經(jīng)元上得到所需要的期望 輸入值為止。對(duì)樣本完成網(wǎng)絡(luò)權(quán)系數(shù)的調(diào)整后,再送入另一樣本模式對(duì)進(jìn)行類似學(xué)習(xí),直到 完成個(gè)訓(xùn)練學(xué)習(xí)為止。以下利用共軛梯度法對(duì)權(quán)值修正考慮二次型性能函數(shù)五0) = ^l/gw + Z/w + C,其梯度為 _、幾 A
2S = V£(w) = Qw + b ,其二階梯度是Hessian矩陣7/ 二 V2jE(W) = Q,于是,梯度的改變量是 式中,α [k]是在時(shí)刻延方向p[k]搜索使性能函數(shù)E(w)最小的學(xué)習(xí)率 對(duì)于二次型性能函數(shù),最優(yōu)學(xué)習(xí)率按下式確定對(duì)
于是,根據(jù)共軛
條件,并由于學(xué)習(xí)率是一個(gè)標(biāo)量,所以α [k]pT[k]Hp[j] = AgT[k]p[j] =O0共軛條件就 轉(zhuǎn)變?yōu)樗阉鞣较騊[j]與梯度的改變量Ag[k]正交,而與Hessian矩陣無關(guān)。初始搜索方向p
可以是任意的,第1個(gè)迭代方向p[l]只要與Ag
正交 即可,通常以最速下降方向開始,后續(xù)的方向p[k]只要與梯度的改變量序列{Agto], Ag[l], ... Ag[k_l]}正交即可。一種簡要的方法是采用迭代P[k+1] = β [k+1] P[k]-g[k+l]其中


圖1為本方法中改進(jìn)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖
具體實(shí)施例方式本發(fā)明利用改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法,提出了一組電加熱爐裝置改造方法,其中 改進(jìn)的神經(jīng)網(wǎng)絡(luò)按以下步驟實(shí)現(xiàn)(a).置各權(quán)值和閥值的初始值<(0),《(0),(ρ = 1,2...Q)其中ρ為第若干層,Q
表示總層數(shù)(b).輸入訓(xùn)練樣本(I,,dq), (ρ = 1,2...Μ)其中M表示輸入輸出數(shù)量,對(duì)每一個(gè) 樣本進(jìn)行(c) (C)步(c).計(jì)算網(wǎng)絡(luò)各層的實(shí)際輸出Xp = f (Sp) = MwVri),式中,f⑷為激活函數(shù)(d).計(jì)算梯度g (k)和梯度改變量Δ g [k](e).修正權(quán)值沐 其中p[k]是關(guān)于w(k)序列、β [k]序列、g[k]序列的函數(shù),如P[k+1] = β [k+1] P[k]-g[k+l](f).當(dāng)樣本集中的所有樣本都經(jīng)歷了 c e步,即完成一個(gè)訓(xùn)練周期,計(jì)算性能指 標(biāo) (g).如果性能指標(biāo)貓族精度要求,即E彡ε,那么訓(xùn)練結(jié)束,否則轉(zhuǎn)到(b),繼續(xù)下 一個(gè)訓(xùn)練周期。ε是小的正數(shù),根據(jù)實(shí)際情況選取。
其中β[k]的計(jì)算方法如下 其中激活函數(shù)可采用三角函數(shù)、雙極性函數(shù)、分段函數(shù)、sigmoid函數(shù)、基于 sigmoid函數(shù)的變形函數(shù)等。所述修正權(quán)值特指在個(gè)迭代計(jì)算若干次后,將搜索方向重新設(shè)置為梯度方向,再 按(e)迭代。
權(quán)利要求
電加熱爐裝置的技術(shù)特征是本發(fā)明利用下述改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法,提出了一組電加熱爐裝置系統(tǒng)方法。所述改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法流程按以下方式進(jìn)行(a).置各權(quán)值和閥值的初始值(p=1,2...Q)其中p為第若干層,Q表示總層數(shù)(b).輸入訓(xùn)練樣本(Iq,dq),(p=1,2...M)其中M表示輸入輸出數(shù)量,對(duì)每一個(gè)樣本進(jìn)行(c)~(e)步(c).計(jì)算網(wǎng)絡(luò)各層的實(shí)際輸出xp=f(sp)=f(wpxp-1),式中,f(*)為激活函數(shù)(d).計(jì)算梯度g(k)和梯度改變量Δg[k](e).修正權(quán)值 <mrow><mi>w</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow><mo>=</mo><mi>w</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>+</mo><mfrac> <mrow><msup> <mi>p</mi> <mn>2</mn></msup><mo>[</mo><mi>k</mi><mo>]</mo> </mrow> <mrow><mi>p</mi><mo>[</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>]</mo> </mrow></mfrac> </mrow>其中p[k]是關(guān)于w(k)序列、β[k]序列、g[k]序列的函數(shù),如P[k+1]=β[k+1]P[k]-g[k+1](f).當(dāng)樣本集中的所有樣本都經(jīng)歷了(c)~(e)步,即完成一個(gè)訓(xùn)練周期,計(jì)算性能指標(biāo), <mrow><mi>E</mi><mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mn>2</mn></mfrac><msup> <mi>w</mi> <mi>T</mi></msup><mi>Qw</mi><mo>+</mo><msup> <mi>b</mi> <mi>T</mi></msup><mi>w</mi><mo>+</mo><mi>c</mi> </mrow>(g).如果性能指標(biāo)貓族精度要求,即E≤ε,那么訓(xùn)練結(jié)束,否則轉(zhuǎn)到(b),繼續(xù)下一個(gè)訓(xùn)練周期。ε是小的正數(shù),根據(jù)實(shí)際情況選取。F2009100480099C0000011.tif,F2009100480099C0000012.tif
2.根據(jù)權(quán)利要求項(xiàng)1,所述激活函數(shù)的技術(shù)特征是激活函數(shù)可采用三角函數(shù)、雙極性函數(shù)、分段函數(shù)、sigmoid函數(shù)、基于sigmoid函數(shù) 的變形函數(shù),等。
3.根據(jù)權(quán)利要求項(xiàng)1,所述修正權(quán)值的技術(shù)特征是所述修正權(quán)值特指在個(gè)迭代計(jì)算若干次后,將搜索方向重新設(shè)置為梯度方向,再按(e) 迭代。
4.根據(jù)權(quán)利要求項(xiàng)1,所述0[k]的技術(shù)特征是
全文摘要
本發(fā)明電加熱爐裝置,涉及一種智能控制方法,特別是一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)控制方法,針對(duì)電加熱爐裝置控制對(duì)象的非線性,利用改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法,提出了一種電加熱爐裝置優(yōu)化方法;其中改進(jìn)的神經(jīng)網(wǎng)絡(luò)采用作為改進(jìn)的權(quán)值修正方法。
文檔編號(hào)G05B13/02GK101846970SQ200910048009
公開日2010年9月29日 申請日期2009年3月23日 優(yōu)先權(quán)日2009年3月23日
發(fā)明者程明 申請人:上海都峰智能科技有限公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1