基于人工神经网络的混合智能系统研究及应用
【摘要】：
本次课题的核心内容和研究思路可概括如下：分析舰艇自噪声的非平稳特征,针对ANC系统的弊端探讨解决方案；设计并完善以人工神经网络为框架的自适应噪声抵消系统；引入模糊逻辑推理思想,设计更加智能化的网络结构；借助多分辨率分析的思想,进一步完善网络的逼近能力和自适应性；引入遗传进化理论,结合强有力的局部算法构造自适应混合学习策略；最后通过仿真试验和真实海试数据处理,系统的验证文中结论。
目标信号所处的声场环境,决定了ANC系统的非线性特征,针对待抵消信号的非平稳性,我们在传统非线性滤波的研究基础上,设计人工神经网络作为自适应处理器,依靠其强大的与人脑类似的功能,来解决常规滤波模式的固有缺陷。在系统自适应学习中,神经网络将非线性映射的问题转化为求解优化问题,而优化过程依靠其自学习、并行处理等优势,通过简便的学习算法来实现。RBF神经网络的引入,更使得系统求解复杂、高度非线性的能力大大提高。文中所设计的模型为非线性系统问题的解决奠定了良好的基础,且算法计算的复杂程度适中,具有较高的应用价值。
本文采用T-S模糊推理模型构建分段线性模型,作为网络系统的基础构架,将输入空间分为若干个模糊子空间。再通过模糊系统和人工神经网络的等价性特征,把该模糊推理模型表现为一个自适应神经网络的形态,使得该网络系统的所有结点和参数都对应实际意义。同时,再将传统T-S模型与多分辨率理论(MRA)相结合,将WNN放入模糊推理后件中,使得模型中每一个模糊规则相当于一个子小波网络。然后引入新的自适应混合遗传算法,用于网络结构和各个参量的学习修正,以提高系统的运行效率和求解质量。数据处理结果证明这种融合了多项新颖设计思想的混合智能系统(HIS),系统进化的思路清晰易懂,并且有效的提高了系统降噪性能。
【学位授予单位】：哈尔滨工程大学
【学位级别】：博士
【学位授予年份】：2009
【分类号】：TP183
|
|
|
|
| 1 |
关碧华,周雅莉,尹建民,张奇志;噪声有源控制的模糊神经网络方法[J];北京机械工业学院学报;2002年03期 |
| 2 |
汤渭霖;螺旋桨涡旋噪声预报[J];船舶力学;1999年02期 |
| 3 |
何元安,杨德森;水下结构辐射噪声估算方法实验研究[J];船舶力学;1999年02期 |
| 4 |
俞孟萨;吴有生;庞业珍;;国外舰船水动力噪声研究进展概述[J];船舶力学;2007年01期 |
| 5 |
鲁子奕,杨绿溪,吴球,何振亚;提高前馈神经网络泛化能力的新算法[J];电路与系统学报;1997年04期 |
| 6 |
张奇志,曾成,关碧华,尹建民,周雅莉;基于神经网络的风机管道噪声有源控制的实验研究[J];电声技术;2002年07期 |
| 7 |
黎万平,张健,陈亚光;改进的变步长LMS算法及其在自适应消噪中的应用[J];电声技术;2005年08期 |
| 8 |
高羽;张建秋;;小波变换域估计观测噪声方差的Kalman滤波算法及其在数据融合中的应用[J];电子学报;2007年01期 |
| 9 |
李智慧;关宗安;;一种改进的LMS算法及其在自适应消噪中的应用[J];沈阳航空工业学院学报;2006年01期 |
| 10 |
邵华平,何正友,覃征;几种函数逼近方式的逼近能力比较与综合[J];湖南师范大学自然科学学报;2003年04期 |
|
|
|
|
|
| 1 |
关碧华,周雅莉,尹建民,张奇志;噪声有源控制的模糊神经网络方法[J];北京机械工业学院学报;2002年03期 |
| 2 |
李传光,车星峰,韩秀苓;局部空间自适应有源降噪系统的实验研究[J];北京理工大学学报;2001年04期 |
| 3 |
李传光,姜丽飞,李长青;RBF网络在履带车辆舱室内有源降噪的实验研究[J];北京理工大学学报;2004年04期 |
| 4 |
曾庆军,王菲,黄国建,李洪瑞;基于线谱特征提取的被动声纳目标识技术研究[J];船舶工程;2001年03期 |
| 5 |
俞孟萨,叶剑平,吴有生,吕世金;船舶声呐部位自噪声的预报方法及其控制技术[J];船舶力学;2002年05期 |
| 6 |
万建,徐德民,贺昱曜;一种小波变换域的自适应扰动消除方法[J];电机与控制学报;2001年04期 |
| 7 |
孟祥武;神经网络研究综述[J];电脑学习;1998年01期 |
| 8 |
鲁子奕,杨绿溪,吴球,何振亚;提高前馈神经网络泛化能力的新算法[J];电路与系统学报;1997年04期 |
| 9 |
张奇志,贾永乐,周雅莉;噪声有源控制的人工神经网络方法[J];电声技术;2000年07期 |
| 10 |
曾成,张奇志;管道低频宽带噪声自适应有源控制的实验研究[J];电声技术;2001年05期 |
|
手机打开
快捷付款方式
订购知网充值卡
订购热线
帮助中心