本文關鍵詞：幾類憶阻神經網絡與開關電源控制器設計

  更多相關文章： 憶阻器 脈沖耦合神經網絡 憶阻神經網絡PID 開關功率變換器 滑模控制

【摘要】：憶阻器是用于描述磁通量和電荷關系的一種二端無源電子器件,其天然的記憶能力和非線性特性使之在人工神經網絡和非線性系統(tǒng)中具有獨特的優(yōu)勢。首先,憶阻器的行為機制與大腦的神經突觸非常相似,把憶阻器用作神經網絡中的突觸,能使神經元連接密度更大,提高神經網絡的集成度。其次,憶阻器阻值隨著施加在其兩端的電壓(或電流)的大小而變化,具有可編程特性。開關功率變換器因其體積小、重量輕,具有較高的效率和功率密度等優(yōu)勢,常被用于高效電源與直流電機驅動中。將可編程憶阻器應用到開關功率變換器中,能夠使輸出電壓穩(wěn)定在不同平衡點上,并具有優(yōu)良的控制效果。因此,本文對憶阻器的類突觸特性和非線性特性進行了深入學習,研究了兩類新型憶阻神經網絡和兩類開關電源控制器。本文研究內容包括以下幾個部分:首先利用Gale憶阻器構建出一種基于憶阻器的脈沖耦合神經網絡(M-PCNN),將憶阻器的類生物記憶特性內化到脈沖耦合神經網絡中,使其更具生物智能。將該網絡用于醫(yī)學圖像處理,包括電子計算機斷層掃描(CT)和磁共振成像(MRI)的融合、CT圖像去噪和CT圖像邊緣提取。其次,推導出自旋憶阻器作為突觸的權值更新公式,提出一種自旋憶阻器與BP神經網絡PID控制器相結合的控制器,用該控制器對Buck開關功率變換系統(tǒng)進行控制。在理論推導的基礎上,對該網絡進行MATLAB仿真,驗證了該方案的正確性。接著,利用自旋憶阻器的可編程特性,設計出一個橋式控制電路,通過調整該電路的輸入脈沖個數(shù)將自旋憶阻器阻值設定到所需值,使其實現(xiàn)可編程電位器的功能。將該電位器替代方波發(fā)生電路中的反饋電阻,構建出一種脈沖寬度連續(xù)可調的方波發(fā)生器。SPICE仿真表明用這個新型發(fā)生器控制Boost電路的開關管,能使Boost輸出電壓穩(wěn)定在不同的平衡點上。最后,本文結合PWM控制與滑模變結構控制的優(yōu)點,提出一種帶二重積分滑模面的滑模控制器。滑模面附加的積分項使滑�？刂葡到y(tǒng)的運動方程與原階數(shù)相同,能夠改善系統(tǒng)的穩(wěn)態(tài)性能。將其控制二階交錯并聯(lián)Boost開關功率變換器,并進行PSIM仿真,仿真結果表明,該控制方案具有較強的魯棒性。
【關鍵詞】：憶阻器 脈沖耦合神經網絡 憶阻神經網絡PID 開關功率變換器 滑�？刂�
【學位授予單位】：西南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP183;TN86;TP273
【目錄】：

• 摘要5-7
• Abstract7-9
• 第1章 引言9-15
• 1.1 研究背景和研究意義9-10
• 1.2 憶阻器研究現(xiàn)狀10-12
• 1.2.1 憶阻器理論10-11
• 1.2.2 憶阻器特性及應用11-12
• 1.3 人工神經網絡研究現(xiàn)狀12-13
• 1.3.1 神經網絡PID控制器12
• 1.3.2 脈沖耦合神經網絡(PCNN)12-13
• 1.4 開關功率變換器控制研究現(xiàn)狀13-14
• 1.5 主要工作及安排14-15
• 第2章 氧化物憶阻器和自旋憶阻器15-22
• 2.1 氧化物憶阻器15-19
• 2.1.1 二氧化鈦憶阻器15-17
• 2.1.2 其他氧化物憶阻器17-19
• 2.2 自旋憶阻器19-21
• 2.3 氧化物憶阻器和自旋憶阻器的對比分析21
• 2.4 小結21-22
• 第3章 基于Gale憶阻器的脈沖耦合神經網絡22-33
• 3.1 基于憶阻器的脈沖耦合神經網絡22-26
• 3.1.1 Gale憶阻器離散模型22
• 3.1.2 基于憶阻器的脈沖耦合神經網絡(M-PCNN)22-26
• 3.2 M-PCNN在醫(yī)學圖像融合上應用26-29
• 3.3 M-PCNN在圖像去噪上的應用29-30
• 3.4 M-PCNN在圖像邊緣提取上的應用30-32
• 3.5 小結32-33
• 第4章 基于自旋憶阻器的神經網絡PID控制33-41
• 4.1 傳統(tǒng)PID控制器33
• 4.2 BP神經網絡PID控制器33-35
• 4.3 自旋憶阻神經網絡PID控制器35-36
• 4.4 自旋憶阻神經網絡PID控制Buck開關功率變換器36-40
• 4.4.1 Buck變換器狀態(tài)空間平均建模36-37
• 4.4.2 MATLAB仿真37-40
• 4.5 小結40-41
• 第5章 基于自旋憶阻器的開關電源控制器41-47
• 5.1 自旋憶阻器的可編程特性41-43
• 5.2 基于自旋憶阻器的可變脈寬方波發(fā)生器43-44
• 5.3 自旋憶阻方波發(fā)生器控制Boost開關功率變換器44-46
• 5.3.1 Boost開關功率變換器44-45
• 5.3.2 SPICE仿真結果與分析45-46
• 5.4 小結46-47
• 第6章 帶二重積分滑模面的PWM電壓滑模控制器47-57
• 6.1 滑�？刂评碚�47-48
• 6.2 二階交錯并聯(lián)Boost變換器結構48-49
• 6.3 帶二重積分滑模面的滑�？刂破髟O計49-52
• 6.3.1 滑模面選取49-50
• 6.3.2 等效控制方程50-51
• 6.3.3 控制器設計51
• 6.3.4 存在條件51-52
• 6.4 仿真結果及分析52-56
• 6.5 小結56-57
• 第7章 結論及展望57-59
• 7.1 本文的主要工作57
• 7.2 下一步研究計劃57-59
• 參考文獻59-63
• 致謝63-64
• 攻讀碩士學位期間已完成的論文64
• 攻讀碩士學位期間參加的科研項目64

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 王凡,孟立凡;關于使用神經網絡推定操作者疲勞的研究[J];人類工效學;2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經網絡的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經網絡的應用與展望[J];佛山科學技術學院學報(自然科學版);2009年05期

4 許萬增;;神經網絡的研究及其應用[J];國際技術經濟研究學報;1990年01期

5 張軍華;神經網絡技術及其在軍用系統(tǒng)中的應用[J];現(xiàn)代防御技術;1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經網絡在預報控制中的應用[J];機床;1993年11期

7 靳蕃;神經網絡及其在鐵道科技中應用的探討[J];鐵道學報;1993年02期

8 宋玉華，王啟霞;神經網絡診斷──神經網絡在自動化領域里的應用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內外神經網絡技術的研究與應用概況[J];電機電器技術;1995年04期

10 王中賢，，錢頌迪;神經網絡法在經濟管理中的應用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據庫 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據庫 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據庫 前10條

1 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

2 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

3 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

4 胡婷;改進QGA-BP模型及其在彌苴河總氮量預測中的應用[D];昆明理工大學;2015年

5 劉俊輝;基于數(shù)據清洗方法的河道水位預測研究[D];昆明理工大學;2015年

6 劉波;短期風電功率預測方法研究[D];南京信息工程大學;2015年

7 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應用[D];浙江大學;2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學;2015年

9 李菊;BP神經網絡在房地產批量評估中的應用研究[D];昆明理工大學;2015年

10 馬亮;降水點分類預測方法研究[D];中國地質大學(北京);2015年

本文編號：756980