![](https://csdnimg.cn/release/download_crawler_static/88482267/bgc.jpg)
基于 MATLAB 的水轮机调节系统仿真与分析
8
)2()1(2)()()1()()( kekekeKkeKkekeKku
dip
(
2-14
)
位置式 PID 控制采样时间是不变的,故仅仅需要求出 PID 控制参数以及系
2.2
神经网络控制
神经网络是模拟人脑机能的处理系统。由于其拥有自学习能力、容错性好等
特点,故可以处理很多现实问题。学习规则、神经元特性及拓扑结构影响着神经
2.2.1 神经网络的应用
神经网络在许多领域都被成功的应用,如:模式识别中、图像处理以及在控
制与优化、预测与管理等领域
[39]
。引入神经网络后能更好的解决这些领域中原来
2.2.1.1
神经网络的发展
William James 在 1890 年历史性的给出了人工神经网络这一词汇,McCulloch
和 Pitts 在 1943 年用数学方法去研究神经细胞,随后建立了神经元模型
[40]
。
科学家 Hebb 在 1949 年利用其自身的实践结果,提出了 Hebb 学习规则
[41]
。
Rosenblatt 在 1958 年根据 McCulloch 和 Pitts 建立的神经元模型发明了感知
器模型。该模型首次把神经网络应用到实际中
[42]
。Widrow 和 Hoff 在 1960 年建
立了自适应线性元件网络模型,提出了 Widrow-Hoff 学习规则
[43]
。
Minsky 和 Papert 在 1969 年,指出人工神经单层感知器的局限性
[44]
。
Hopfield 在 1982 年建立了 HNN 模型,将神经网络应用于工程中去处理优化
Remelhart 和 Mcllelland 在 1986 年给出了并行分布处理方法,Werbos 和 Parker
2.2.1.2
神经网络的特征
神经网络由相互连接的算法指导的神经元构成
[47]
,基于其自身的特点,神经
网络已成功的被引入到多种领域和方向去解决问题,并取得了很好的控制和调节
(
1
)因为其由许多的神经元组成,再结合算法指导可以处理难以用规则或模型
(
2
)并行处理能力强,每个神经元即可以接收上层所有神经元的输出,同时也
(
3
)容错性能好,出现某些输出出错不影响这个网络的性能;