錢克昌，謝永杰，李小杰
新疆烏魯木齊市２１信箱１８８分箱，新疆烏魯木齊

摘　　　要：針對(duì)提高逆系統(tǒng)建模中神經(jīng)網(wǎng)絡(luò)的逼近效果和動(dòng)態(tài)性能問題，根據(jù)ＰＩＤ神經(jīng)元網(wǎng)絡(luò)工作原理，提出一種具有動(dòng)態(tài)激勵(lì)函數(shù)的新型ＰＩＤ神經(jīng)元模型—輸出反饋型ＰＩＤ神經(jīng)元（ＯＦＰＩＤ），輸出激勵(lì)采用連續(xù)的Ｓｉｇｍｏｉｄａｌ函數(shù)，使神經(jīng)元具有等效的ＩＩＲ突觸，采用梯度下降法實(shí)現(xiàn)ＯＦＰＩＤ神經(jīng)元網(wǎng)絡(luò)的權(quán)值調(diào)整，將其應(yīng)用于非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)逆控制系統(tǒng)，從而提高非線性系統(tǒng)的解耦效果和控制性能。仿真實(shí)驗(yàn)證明，提出的新型神經(jīng)元網(wǎng)絡(luò)是一種良好的非線性系統(tǒng)建模和控制工具。

關(guān)　鍵　詞：動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)；動(dòng)態(tài)逆；ＰＩＤ神經(jīng)元網(wǎng)絡(luò)；非線性系統(tǒng)

１　引　言
基于神經(jīng)網(wǎng)絡(luò)的逆系統(tǒng)方法利用動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的逼近原理，得到對(duì)象的逆模型，從而克服了逆系統(tǒng)方法需要對(duì)象精確數(shù)學(xué)模型的不足。因此神經(jīng)網(wǎng)絡(luò)的逼近能力和動(dòng)態(tài)性能是這種控制方法至關(guān)重要的因素［１］。ＰＩＤ神經(jīng)元模型用傳統(tǒng)的ＰＩＤ調(diào)節(jié)規(guī)律模擬神經(jīng)元對(duì)信息的時(shí)空整合，分別將比例（Ｐ）、積分（Ｉ）、微分（Ｄ）功能引入神經(jīng)元。ＰＩＤ神經(jīng)元網(wǎng)絡(luò)對(duì)對(duì)象具有較好的逼近能力和動(dòng)態(tài)性能。本文根據(jù)生物神經(jīng)元和ＰＩＤ神經(jīng)元的原理，提出一種具有動(dòng)態(tài)激勵(lì)函數(shù)的新型ＰＩＤ神經(jīng)元模型，輸出采用連續(xù)的Ｓｉｇｍｏｉｄａｌ函數(shù)，使其具有等效ＩＩＲ突出，從而明顯改善了神經(jīng)網(wǎng)絡(luò)的逼近能力和動(dòng)態(tài)性能。

登錄網(wǎng)站后可下載文件