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：針對提高逆系統(tǒng)建模中神經網絡的逼近效果和動態(tài)性能問題，根據ＰＩＤ神經元網絡工作原理，提出一種具有動態(tài)激勵函數的新型ＰＩＤ神經元模型—輸出反饋型ＰＩＤ神經元（ＯＦＰＩＤ），輸出激勵采用連續(xù)的Ｓｉｇｍｏｉｄａｌ函數，使神經元具有等效的ＩＩＲ突觸，采用梯度下降法實現ＯＦＰＩＤ神經元網絡的權值調整，將其應用于非線性系統(tǒng)的神經網絡逆控制系統(tǒng)，從而提高非線性系統(tǒng)的解耦效果和控制性能。仿真實驗證明，提出的新型神經元網絡是一種良好的非線性系統(tǒng)建模和控制工具。

關　鍵　詞：動態(tài)神經網絡；動態(tài)逆；ＰＩＤ神經元網絡；非線性系統(tǒng)

１　引　言
基于神經網絡的逆系統(tǒng)方法利用動態(tài)神經網絡的逼近原理，得到對象的逆模型，從而克服了逆系統(tǒng)方法需要對象精確數學模型的不足。因此神經網絡的逼近能力和動態(tài)性能是這種控制方法至關重要的因素［１］。ＰＩＤ神經元模型用傳統(tǒng)的ＰＩＤ調節(jié)規(guī)律模擬神經元對信息的時空整合，分別將比例（Ｐ）、積分（Ｉ）、微分（Ｄ）功能引入神經元。ＰＩＤ神經元網絡對對象具有較好的逼近能力和動態(tài)性能。本文根據生物神經元和ＰＩＤ神經元的原理，提出一種具有動態(tài)激勵函數的新型ＰＩＤ神經元模型，輸出采用連續(xù)的Ｓｉｇｍｏｉｄａｌ函數，使其具有等效ＩＩＲ突出，從而明顯改善了神經網絡的逼近能力和動態(tài)性能。

登錄網站后可下載文件