收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

神经网络在非线性系统辨识中的应用

佘远俊  
【摘要】:系统辨识是控制理论研究的一个重要分支,它是控制系统设计的基础。在该领域中最困难的就是非线性系统的辨识,近几年将神经网络应用于非线性系统辨识的研究已经取得了一些成果,但其辨识精度和效率还不是很理想。本文在前人研究的基础上,将粒子群优化算法和共轭梯度算法结合,提出了基于共轭梯度算法的混合粒子群优化算法,并将其应用于基于BP网络的非线性系统辨识研究,仿真结果验证了该混合算法的有效性,并且为了克服BP等静态网络在辨识中过分依赖系统的阶和延迟的缺点,将记忆神经网络和扩展的Kalman滤波器学习算法应用于非线性动力学系统辨识研究,加快了收敛速度和提高了辨识精度。 论文首先利用MATLAB语言进行了基于BP神经网络的非线性系统辨识仿真研究,为了克服BP算法存在收敛速度慢、容易陷入局部极值和辨识精度不高的固有缺点,采用了可全局寻优的遗传算法,在一定程度上改善了辨识的效果,但由于遗传算法的复制、交叉和变异操作是一个比较复杂的问题,交换概率和突变概率选取的恰当与否对系统辨识的性能有较大影响。因此本文又将更简单的粒子群优化算法应用于BP网络的学习,粒子群优化算法没有遗传算法的复制、交叉和变异等复杂操作。 其次为了进一步提高粒子群优化算法的执行效率,本文将粒子群优化算法和共轭梯度算法有机地结合,提出了一种基于共轭梯度算法的混合粒子群优化算法,仿真结果表明该混合算法在辨识精度和执行效率方面是有效的。 再次,由于静态前馈网络本身并不是一个动力学系统,而只是一个从输入到输出的非线性映射,不能直接建模动力学系统,为此本文将一种具有可训练的内部神经元的记忆神经网络(Memory Neuron Networks,MNN)作为阶未知的非线性系统辨识的一般模型,该MNN通过给前馈网络增加可训练的记忆神经单元而构成的,保留了多层前馈网络的基本特征,与前馈网络相比,它们有可训练的内部记忆神经单元,不用假定系统的阶或延迟就能学习动力学系统。 最后,利用记忆神经网络结构进行了非线性动力学系统辨识仿真研究,由于原有的训练MNN的随时间反向传播(Back Propagation Through Time,


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 田谦益;李莉;;基于带近邻因子的粒子群算法的非线性系统辨识[J];计算机与现代化;2007年07期
2 王艳芹;王凤嫔;;非线性系统的RBF神经网络建模方法研究[J];大庆师范学院学报;2010年06期
3 鲍晓红,贾英民;用神经网辨识非线性系统中的模型误差分析(Ⅱ)——随机系统中的噪声影响[J];控制与决策;1997年S1期
4 彭宇,蒋静坪;面向对象的神经网络程序设计及其在非线性动态系统辨识中的应用[J];科技通报;1999年03期
5 王海斌,黄显林,王永富,胡恒章;基于最佳小波基的的非线性系数辨识[J];自动化技术与应用;1999年03期
6 黄自元,李力雄,费敏锐;模糊规则在线提取及其在非线性系统辨识中的应用[J];自动化仪表;2001年10期
7 刘百顺,任正斌;船舶运动仿真模型[J];计算机仿真;2001年05期
8 吴学礼,孟凡华,王永骥,李平,贾辉然,孟华;基于新型联想记忆神经网络的非线性系统辨识[J];地理与地理信息科学;2004年04期
9 张翠霞;刘齐宏;唐常杰;耿伟华;;基于GEP的非线性系统辨识算法[J];微计算机信息;2006年34期
10 李明;杨汉生;杨成梧;王永成;;一种改进的NARX回归神经网络[J];电气自动化;2006年04期
11 沈建国;郭裕顺;叶淑霞;;基于模糊逻辑的电路非线性动态特性模型[J];杭州电子科技大学学报;2007年01期
12 于海波;马翠红;;基于对角递归神经网络系统辨识及应用[J];微计算机信息;2007年31期
13 王晓丹;李善姬;;改进的小波分解LMS算法在非线性系统辨识中的应用[J];科技信息;2008年29期
14 袁晓磊;白焰;董玲;;基于遗传编程的非线性系统辨识[J];控制工程;2009年01期
15 闫纪红,史小平,王宏伟,王子才;一种辨识非线性系统的新方法及其应用[J];应用科学学报;1999年01期
16 于春梅;潘泉;程咏梅;张洪才;;基于核主元提取的支持向量机辨识[J];数学的实践与认识;2009年01期
17 张颖,冯纯伯;应用Hammerstein模型辨识受相关噪声扰动的非线性系统[J];控制理论与应用;1995年06期
18 干思权,刘贺平,申祝江;一种改进型T-S模糊神经网络[J];控制工程;2005年05期
19 王军;彭宏;肖建;;尺度核支持向量回归的非线性系统辨识[J];系统仿真学报;2006年09期
20 于春梅;杨胜波;陈馨;张洪才;;SVM和基于PCA、PLS的SVM在非线性辨识中的比较研究[J];计算机应用研究;2007年06期
中国重要会议论文全文数据库 前8条
1 刘胜;李妍妍;李佳来;;基于蚁群算法的SVM参数选择研究[A];2006年船舶通讯导航学术会议论文集[C];2006年
2 吕强;郝继红;段运波;许耀铭;;利用动态RBF网络的非线性系统辨识[A];1994中国控制与决策学术年会论文集[C];1994年
3 薛一勤;J.Watton;;高速流量测试技术与流体传动系统动力学建模(英文)[A];材料科学与工程技术——中国科协第三届青年学术年会论文集[C];1998年
4 宋莹;陈增强;袁著祉;;一种新型混沌粒子群算法及在非线性系统中的应用[A];2006中国控制与决策学术年会论文集[C];2006年
5 刘海宁;李真;;电致伸缩微位移器的非线性控制系统设计[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
6 蔚瑞华;徐立鸿;;基于T-S模糊模型的广义模糊神经网络的系统辨识[A];第25届中国控制会议论文集(上册)[C];2006年
7 李振强;罗文广;潘盛辉;林川;;基于小波变换的Hammerstein模型辨识[A];中国自动化学会控制理论专业委员会C卷[C];2011年
8 孟凡华;吴学礼;杜太行;;一种新型联想记忆神经网络在非线性系统辨识中的研究[A];'2003系统仿真技术及其应用学术交流会论文集[C];2003年
中国博士学位论文全文数据库 前10条
1 李明;基于动态神经网络的非线性自适应逆控制研究[D];南京理工大学;2007年
2 王华东;基于多项式结构的功率放大器行为模型研究[D];电子科技大学;2009年
3 朱耀春;基于基因表达式编程技术的非线性系统辨识研究[D];华北电力大学(北京);2008年
4 肖斌;柴油机双层隔振台架主动隔振技术研究[D];哈尔滨工程大学;2008年
5 史志伟;混沌时间序列预测与储备池机器学习方法研究[D];大连理工大学;2008年
6 彭宇;非线性智能观测器及其应用研究[D];浙江大学;2000年
7 胡丹;小波支持向量回归模型及其应用研究[D];西南交通大学;2006年
8 包哲静;支持向量机在智能建模和模型预测控制中的应用[D];浙江大学;2007年
9 陈薇;非线性预测控制快速算法的研究与应用[D];中国科学技术大学;2007年
10 谭洪舟;基于高阶统计理论的线性与非线性系统辨识的研究[D];华南理工大学;1998年
中国硕士学位论文全文数据库 前10条
1 邓冉;基于改进BBO算法的DRNN网络非线性系统辨识[D];西南交通大学;2013年
2 高彦荷;基于混合递阶遗传算法的RBF神经网络优化及应用[D];四川大学;2004年
3 李灿军;液位系统的辨识与预测控制研究[D];中南大学;2007年
4 陈非;多层前向神经网络结构的研究[D];大连理工大学;2000年
5 王丹;基于频域非线性方法的铝蜂窝夹层结构动力学特性研究[D];哈尔滨工业大学;2006年
6 佘远俊;神经网络在非线性系统辨识中的应用[D];西南交通大学;2005年
7 杨建林;非线性系统的模糊辨识方法与应用研究[D];武汉理工大学;2005年
8 金丽婷;小波神经网络的优化及其应用研究[D];江南大学;2008年
9 刘霞;复杂非线性系统的小波神经网络建模及其应用[D];大庆石油学院;2005年
10 吴海燕;基于支持向量机与模糊推理的系统辨识与控制研究[D];西安理工大学;2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978