English
| 正體中文 |
简体中文
|
全文筆數/總筆數 : 2928/5721 (51%)
造訪人次 : 374431 線上人數 : 1015
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by
NTU Library IR team.
搜尋範圍
全部NCUTIR
電資學院
資訊工程系(所)
--【資訊工程系所】博碩士論文
查詢小技巧:
您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
進階搜尋
主頁
‧
登入
‧
上傳
‧
說明
‧
關於NCUTIR
‧
管理
勤益科大機構典藏
>
電資學院
>
資訊工程系(所)
>
【資訊工程系所】博碩士論文
>
Item 987654321/5198
資料載入中.....
書目資料匯出
Endnote RIS 格式資料匯出
Bibtex 格式資料匯出
引文資訊
資料載入中.....
資料載入中.....
請使用永久網址來引用或連結此文件:
http://ir.lib.ncut.edu.tw/handle/987654321/5198
題名:
以演化類神經模糊控制器實現行星齒輪式倒單擺系統控制
作者:
吳筱吟
林正堅
貢獻者:
資訊工程系
關鍵詞:
奇異值分解
類神經模糊控制器
模糊熵
粒子群最佳化
日期:
2011
上傳時間:
2013-08-07 13:35:37 (UTC+8)
出版者:
台中;國立勤益科技大學
摘要:
本論文提出一個以演化類神經模糊控制器(evolutionary neural fuzzy controller)實現行星齒輪式倒單擺系統控制並驗證其效能。一新的混合粒子群學習演算法被提出來以建構演化類神經模糊控制器,所提出的混合粒子群最佳化(hybrid particle swarm optimization)學習演算法包含模糊熵分群演算法、改良型的粒子群最佳化演算法及遞迴式的奇異值分解。首先,我們利用模糊熵分群演算法將訓練資料做分群,以完成演化類神經模糊控制器之架構學習。接著採用改良型的粒子群最佳化演算法去調整模糊法則前鑑部的參數。在改良型的粒子群最佳化演算法中有兩個特性與傳統粒子群最佳化演算法不同,分別是在初始參數時使用有效的區域逼近法則以及在選擇全域最佳解時使用多層精英考量策略,利用此兩種特性可改善傳統粒子群最佳化演算法的效能。另外,在後鑑部的部分利用遞迴式奇異值分解,根據輸入資料、輸出資料及每筆資料對每個模糊規則的激發量關係取得後鑑部的最佳參數值。最後,將提出的混合粒子群學習演算法和傳統的粒子群演算法比較控制行星齒輪式倒單擺的效能,從實驗結果中可看出我們的方法有較好的追蹤和抑制雜訊的能力。
顯示於類別:
[資訊工程系(所)] 【資訊工程系所】博碩士論文
文件中的檔案:
沒有與此文件相關的檔案.
檢視Licence
在NCUTIR中所有的資料項目都受到原著作權保護.
DSpace Software
Copyright © 2002-2004
MIT
&
Hewlett-Packard
/
Enhanced by
NTU Library IR team
Copyright ©
-
回饋