版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、系統(tǒng)辨識一直都是控制領(lǐng)域研究的熱點與難點。傳統(tǒng)的辨識方法在處理非線性系統(tǒng)辨識上存在很多的缺點,而人工神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)能力、并行處理能力、自學(xué)習(xí)能力以及任意逼近非線性函數(shù)的特點,更適用于非線性系統(tǒng)的辨識。
幾十年前,BP神經(jīng)網(wǎng)絡(luò)作為一種人工智能的技術(shù),取得了令人矚目的成果。近年來也有很多研究學(xué)者將其應(yīng)用于非線性系統(tǒng)辨識,由于BP網(wǎng)絡(luò)較強的函數(shù)逼近能力,所以將其應(yīng)用于非線性系統(tǒng)辨識取得了良好的效果。然而,在BP網(wǎng)絡(luò)應(yīng)用于非線性系
2、統(tǒng)辨識中,也存在著較多的缺點,如網(wǎng)絡(luò)容易陷入局部最優(yōu),無法收斂到給定的誤差;訓(xùn)練時間長,而且迭代的次數(shù)多,所以收斂速度較慢;該算法的初始權(quán)值的選擇是盲目的,不具有全局特性等。以上這些缺點都嚴(yán)重影響了系統(tǒng)的辨識效果,所以需要采用某些方法對BP網(wǎng)絡(luò)進(jìn)行優(yōu)化。
本文針對以上BP網(wǎng)絡(luò)存在的缺點,給出了一種基于DE-LM算法的BP網(wǎng)絡(luò)非線性系統(tǒng)辨識的方法。DE算法是一種基于種群的全局優(yōu)化算法,具有結(jié)構(gòu)簡單、魯棒性強以及容易實現(xiàn)等特點。L
3、M算法是一種利用標(biāo)準(zhǔn)數(shù)值優(yōu)化技術(shù)的算法,它提供了高斯-牛頓法的速度與保證收斂的最速下降法之間的一個折衷,該算法可以解決局部極小值的問題,并且可以加快網(wǎng)絡(luò)的收斂速度。所以本文將DE算法與LM算法相結(jié)合用于BP網(wǎng)絡(luò)的非線性系統(tǒng)辨識仿真研究,其中DE算法用于求出網(wǎng)絡(luò)的初始權(quán)值和閾值,LM算法則用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)至收斂。然后將DE-LM算法用于辨識非線性系統(tǒng),并且與文獻(xiàn)[47]的辨識方法進(jìn)行比較,仿真結(jié)果表明所給出DE-LM算法收斂速度快,辨識精
4、度高。
為了進(jìn)一步提高網(wǎng)絡(luò)的辨識精度以及收斂速度,針對DE算法缺乏局部搜索能力,使網(wǎng)絡(luò)后期收斂速度減慢等缺點,論文將DE算法與BBO算法相結(jié)合,給出一種混合的差分演化算法,DEBBO算法。該算法既能利用DE算法中的變異算子對搜索的空間進(jìn)行開采,從而增加算法找到全局最優(yōu)解的可能,又能結(jié)合BBO算法遷移算子的利用能力,對當(dāng)前種群信息進(jìn)行有效的利用,從而加快收斂速度。將DEBBO算法用于訓(xùn)練BP網(wǎng)絡(luò)具有更快的速度以及更好的魯棒性,接
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于DE算法的DRNN網(wǎng)絡(luò)非線性系統(tǒng)辨識研究.pdf
- 基于改進(jìn)BBO算法的DRNN網(wǎng)絡(luò)非線性系統(tǒng)辨識.pdf
- 基于小波網(wǎng)絡(luò)的非線性系統(tǒng)辨識.pdf
- Hammerstein非線性系統(tǒng)辨識算法研究.pdf
- 基于RPROP-DE算法的模糊RBF網(wǎng)絡(luò)非線性系統(tǒng)辨識.pdf
- 基于RPROP-SVR混合算法的DRNN網(wǎng)絡(luò)非線性系統(tǒng)辨識.pdf
- 基于遞歸神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)辨識研究.pdf
- 基于C-PSODE算法的模糊RBF神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識.pdf
- 基于智能計算的非線性系統(tǒng)辨識算法研究及其應(yīng)用.pdf
- 基于改進(jìn)人工蜂群算法的神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)辨識與控制研究.pdf
- 回聲狀態(tài)網(wǎng)絡(luò)的非線性系統(tǒng)自適應(yīng)辨識.pdf
- 基于層遞式模糊神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)辨識.pdf
- 基于分段線性Hammerstein模型描述的非線性系統(tǒng)辨識.pdf
- 非均勻采樣數(shù)據(jù)非線性系統(tǒng)辨識算法研究.pdf
- 基于模糊聚類的非線性系統(tǒng)辨識研究.pdf
- 模塊化非線性系統(tǒng)的參數(shù)辨識算法研究.pdf
- 基于重尾分布布谷鳥算法的非線性系統(tǒng)辨識研究.pdf
- 小波網(wǎng)絡(luò)在非線性系統(tǒng)辨識中的應(yīng)用
- 非線性系統(tǒng)模糊辨識方法的研究.pdf
評論
0/150
提交評論