顺德登高车, 登高车出租, 顺德登高车出租, 神经网络在登高车平台自动调平控制系统中的应用研究,  自动控制是和现实生活有密切联系的一门学科。随着科学技术的进步，控制对象越来越复杂；控制的要求越来越高；过程或外部环境的不确定性越来越强。社会、生产力的发展促进了控制理论由低到高、由浅到深、由简单到复杂的发展和完善。自动控制同时又是一门综合学科，它可以应用在多领域，又在其他学科的推动下快速的发展。控制理论可以分为经典控制理论和现代控制理论两大部分，它们在处理系统控制的问题时，采用状态空间模型描述系统的全部动态行为。一般采用传递函数描述系统的输入、输出之间的映射关系，或者采用自回归滑动平均模型来描述输入和输出之间的关系。由于现实世界中的系统绝大多数是非线性的，因此不论是传递函数还是自回归滑动平均模型都不能建立准确的控制模型。神经网络是一种模仿生物神经网络的结构和功能的数学模型，它由大量的人工神经元相互联接而成，并且能在外界信息的基础上改变其内部结构，是一种自适应系统，它通常用于对输入和输出之间的关系进行建模。理论上讲，基于神经网络的控制系统能够更好的适应环境和系统特性的变化。此外，它不受非线性模型的限制，因此其非常适用于复杂系统的建模和控制。下面将对神经网络做进一步描述。思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点：

     1.信息是通过神经元上的兴奋模式分布储在网络上；2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。

    目前，主要的研究工作集中在以下几个方面：  (1)生物原型研究从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。

    (2)建立理论模型根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。

      顺德登高车, 登高车出租, 顺德登高车出租,  http://www.shundeyuntichechuzu.com/

     (3)网络模型与算法研究在理论模型研究的基础上构作具体的神经网络模型，以实现计算机模拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。神经网络用到的算法就是向量乘法，并且广泛采用符号函数及其各种逼近。并行、容错、可以硬件实现以及自我学习特性，是神经网络的几个基本优点，也是神经网络计算方法与传统方法的区别所在。

    (4)人工神经网络应用系统在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。

     神经网络控制的基本思想控制系统的目的在于通过适当的控制量，使得系统能够获得期望的输出特性。假设被控对象的输入u和系统输出y之间满足y=g(u)的非线性关系。控制的本质是确定最佳的输入量u，使得系统的实际输出y等于期望r。在图3.1的系统中，可以把神经网络的功能看做是输入输出的某种映射，可以假设它的函数关系是u=f(r)。为了使系统输出y等于期望的输出r，将前边两个式子代入该式，可以得到y=g[f(r)]。根据公式，当1f()g()−•=•时，系统满足y=r的要求。由于被控对象一般是复杂且具有不确定性，因此非线性函数g(•)是很难建立的，可以利用神经网络的非线性逼近模拟1g()−•。虽然g(•)的形式未知，但是可以通过系统的实际输出y和期望输出r之间的差值来调整神经网络中的连接权值，即让神经网络学习，此过程一直持续直到误差e=r−y→0的过程。学习的过程是对被控对象的一种求逆过程，这就是神经网络实现直接控制的核心思想。

     顺德登高车, 登高车出租, 顺德登高车出租,