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。