小波神經(jīng)網(wǎng)絡(luò)在過(guò)程控制中的應(yīng)用.pdf

1、小波神經(jīng)網(wǎng)絡(luò)是小波分析和神經(jīng)網(wǎng)絡(luò)相結(jié)合產(chǎn)生的，它把神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)自適應(yīng)能力和小波對(duì)信號(hào)的時(shí)頻局部特性和變焦特性結(jié)合起來(lái)，以更有效的辨識(shí)黑箱模型，對(duì)保證工業(yè)產(chǎn)品的質(zhì)量有很大的意義。 本文從小波的基礎(chǔ)理論出發(fā)，把小波對(duì)信號(hào)的濾波和多分辨率的優(yōu)越特性應(yīng)用在工業(yè)信號(hào)的處理上，在傳統(tǒng)的小波神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行了改進(jìn)，利用小波對(duì)工業(yè)現(xiàn)場(chǎng)過(guò)來(lái)的數(shù)據(jù)進(jìn)行了降噪，并使用主元分析法去除了數(shù)據(jù)的相關(guān)性。然后對(duì)處理過(guò)的數(shù)據(jù)建立小波神經(jīng)網(wǎng)絡(luò)模型，最后通

2、過(guò)計(jì)算機(jī)進(jìn)行了仿真。具體工作如下： 1、數(shù)據(jù)的預(yù)處理部分 由于在實(shí)際的生產(chǎn)過(guò)程中，從工業(yè)采集的信號(hào)往往帶有噪聲和突變，為了更好的跟蹤和保證生產(chǎn)我們需要對(duì)這些信號(hào)進(jìn)行分析。 本人在深入學(xué)習(xí)小波分析的基本理論知識(shí)的基礎(chǔ)之上，借助Matlab語(yǔ)言完成了小波分析的基本算法，包括離散小波正變換和反變換；接著分別從小波基、閾值的選擇等方面詳細(xì)討論了基于各種閾值決策的小波降噪方法及其應(yīng)用。并通過(guò)主元分析對(duì)數(shù)據(jù)的降維作用，通過(guò)P

3、CA對(duì)降噪過(guò)的信號(hào)進(jìn)行了降維處理，為神經(jīng)網(wǎng)絡(luò)的快速訓(xùn)練提供了很好的基礎(chǔ)。 2、小波神經(jīng)網(wǎng)絡(luò)部分 本文選擇RBF神經(jīng)網(wǎng)絡(luò)，是因?yàn)榕c其它前向網(wǎng)絡(luò)相比，RBF網(wǎng)絡(luò)在結(jié)構(gòu)上具有輸出-權(quán)值線性關(guān)系，同時(shí)訓(xùn)練方法快速易行。與傳統(tǒng)的機(jī)理建模方法相比，用RBF神經(jīng)網(wǎng)絡(luò)建立雙模型結(jié)構(gòu)的時(shí)變非線性系統(tǒng)自校正模型不僅極為簡(jiǎn)便，而且具有更高的精度和自適應(yīng)能力，小波基的選擇上采用連續(xù)小波函數(shù)MexicanHat(mexh)小波，采用正交最小二乘算