完整後設資料紀錄
DC 欄位語言
dc.contributor.author張國政en_US
dc.contributor.authorZHANG,GUO-ZHENGen_US
dc.contributor.author林昇甫en_US
dc.contributor.authorLIN,SHENG-FUen_US
dc.date.accessioned2014-12-12T02:06:35Z-
dc.date.available2014-12-12T02:06:35Z-
dc.date.issued1989en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#NT782327018en_US
dc.identifier.urihttp://hdl.handle.net/11536/54386-
dc.description.abstract本篇論文把多層神經網路(multilayered neural networks)應用在不確定非盄性系統 (unknown nonlinear systems) 的控制問題上,其目的在追趿一事先設定的參考訊號 ,為了達到控制時的穩定性,我們設計一種辨認(identification)的方法,由於多層 神經網路和不確定系統間會有誤差存在,此誤差稱為unmodeled dynamics,在ident- ification 的時候,unmodeled dynamics的影響也將考慮。 本篇論文內容分為七個部分:(一)描述我們所考慮的系統和此系統所需要的假設。 (二)介紹我們所使用的多層神經網路:其架構、運算方式和參數調整法則(back-p- ropagation algorithm)。 (三) 利用多層神經網路來放認(identify)不確定非盄 性系統的dynamics,根據辨認的結果產生控制法則,應用我們所設計的辨方法可保證 控制時的穩定性,追趿誤差的大小也可導出,和unmodeled dynamics的大小有關。 (四)利用多層神經網路來辨認(identify)不確定非盄性系統的inverse dynamics, 我們將設計一辨認的架構(identification scheme) 來辨認此inverse dynamics, 同 時根據辨認的結果設計一控制的架構(identification scheme) 來辨認此inverse d- ynamics,同時根據辨認的結果設計一控制的架構(control scheme)來產生控制法則, 應用我們所設計的辨認方法可達到控制時的穩定性,追趿誤差的大小也可導出,和u- nmodeled dynamics 的大小以及此inverse dynamics的斜率有關。(五)利用第三, 四部分的控制法則,系統將被盄性化(linearized)加上殘余的unmodeled dynamics, 我們將應用盄性回授作極點設定(pole assignment) ,來看看殘余的unmodeled dyn- amics 所造成的影響。(六)這部分是一些模擬結果。(七)結論和未來的研究方向 。zh_TW
dc.language.isozh_TWen_US
dc.subject神經網路zh_TW
dc.subject辨認法則zh_TW
dc.subjectMULTILAYERED-NEURAL-NETWORKSen_US
dc.subjectUNKNOWN-NONLINEAR-SYSTEMSen_US
dc.subjectUNMODELED-DYNAMICSen_US
dc.subjectBACK-PROPAGATION-ALGORITHMen_US
dc.subjectIDENTIFICATION-SCHEMEen_US
dc.subjectPOLE-ASSIGNMENTen_US
dc.title神經網路應用在控制上,辨認法則的設計zh_TW
dc.typeThesisen_US
dc.contributor.department電控工程研究所zh_TW
顯示於類別:畢業論文