基于遺傳算法的RBF神經(jīng)網(wǎng)絡及其在系統(tǒng)辨識中的應用.pdf

1、系統(tǒng)辨識是控制理論設計的基礎。傳統(tǒng)的辨識算法往往是建立在線性系統(tǒng)理論基礎上的，對非線性系統(tǒng)的辨識仍然存在困難。神經(jīng)網(wǎng)絡具有較強的逼近非線性函數(shù)的能力，并具有自適應學習、并行分布處理和較強的魯棒性及容錯性等特點，為解決未知不確定非線性系統(tǒng)的建模和控制問題提供了一種有效途徑。 徑向基函數(shù)神經(jīng)網(wǎng)絡是一種新穎有效的前饋式神經(jīng)網(wǎng)絡，它具有其他前向網(wǎng)絡所不具有的最佳逼近的性能和全局最優(yōu)的特性。并且結(jié)構簡單，訓練速度快。因此，徑向基函數(shù)神經(jīng)網(wǎng)絡

2、運用于系統(tǒng)辨識時有其獨特的優(yōu)勢。在RBF神經(jīng)網(wǎng)絡中，隱層中心的數(shù)量和位置的選擇是整個網(wǎng)絡性能優(yōu)劣的關鍵，直接影響網(wǎng)絡的逼近能力。本文在研究RBF網(wǎng)絡傳統(tǒng)學習算法的基礎上，提出了基于遺傳算法的RBF神經(jīng)網(wǎng)絡優(yōu)化算法。 本文提出的算法在應用遺傳算法優(yōu)化網(wǎng)絡參數(shù)的同時自動配置網(wǎng)絡結(jié)構。既避免了傳統(tǒng)算法易陷入局部極小點的缺點，又不需要通過大量實驗或憑經(jīng)驗預先指定網(wǎng)絡結(jié)構。通過仿真實驗證明，具有較好的逼近能力和泛化能力。 最后，將用本