| 專利名稱 |
一種基于Q學(xué)習(xí)算法的對角遞歸神經(jīng)網(wǎng)絡(luò)控制方法 |
| 申請?zhí)?專利號 |
CN202010502825.9 |
專利權(quán)人（第一權(quán)利人） |
長春工業(yè)大學(xué) |
| 申請日 |
2020-06-05 |
授權(quán)日 |
2022-05-10 |
| 專利類別 |
授權(quán)發(fā)明 |
戰(zhàn)略新興產(chǎn)業(yè)分類 |
新一代信息技術(shù) |
| 技術(shù)主題 |
機(jī)器學(xué)習(xí)|工程學(xué)|隱藏層|抗干擾|人工智能|模式識別|控制效果|直流電動機(jī)|神經(jīng)網(wǎng)絡(luò)|算法|動量因子|對角遞歸神經(jīng)網(wǎng)絡(luò) |
| 應(yīng)用領(lǐng)域 |
自適應(yīng)控制 |
| 意向價格 |
具體面議 |
| 專利概述 |
本發(fā)明設(shè)計了一種基于Q學(xué)習(xí)算法的對角遞歸神經(jīng)網(wǎng)絡(luò)(DRNN)控制方法(Q?DRNN)，Q?DRNN將Q學(xué)習(xí)的強(qiáng)搜索能力與DRNN的自帶遞歸環(huán)結(jié)構(gòu)、動態(tài)映射能力以及適應(yīng)時變性等優(yōu)勢有機(jī)結(jié)合，用于提高無刷直流電機(jī)(BLDCM)的工作穩(wěn)定性。在Q?DRNN中，DRNN通過隱含層中獨有的遞歸環(huán)對輸出變量進(jìn)行迭代，并對其關(guān)鍵權(quán)重進(jìn)行優(yōu)化，以加快迭代速度。同時，引入改進(jìn)的Q學(xué)習(xí)對DRNN的權(quán)動量項因子進(jìn)行修正，使DRNN具有自學(xué)習(xí)和在線修正的能力，使得系統(tǒng)的抗干擾能力增強(qiáng)、魯棒性增強(qiáng)，從而使無刷直流電機(jī)達(dá)到更好的控制效果。 |
| 圖片資料 |
|
| 合作方式 |
具體面議 |
| 聯(lián)系人 |
戚梅宇 |
聯(lián)系電話 |
13074363281 |
