小波神经网络在非线性系统辨识中的应用

小波神经网络在非线性系统辨识中的应用

ID:32469567

大小:1.52 MB

页数:48页

时间:2019-02-06

小波神经网络在非线性系统辨识中的应用_第1页
小波神经网络在非线性系统辨识中的应用_第2页
小波神经网络在非线性系统辨识中的应用_第3页
小波神经网络在非线性系统辨识中的应用_第4页
小波神经网络在非线性系统辨识中的应用_第5页
资源描述:

《小波神经网络在非线性系统辨识中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、华北电力大学硕士学位论文摘要摘要传统的辨识方法如脉冲响应法、最小二乘法等在线性系统中的应用已经相当成熟,但是对于具有明显的非线性特性的对象,用线性模型是无法描述对象的特征的。用BP网络进行辨识容易陷入局部极小点问题,径向基函数网络因为网络权值与输出呈线性关系,所以可采用保证全局收敛的线性化学习方法,并可获得全局最优解,但其应用难点是中心点的选择不易。所以本文针对网络模型和结构的选择问题,研究了小波神经网络在非线性系统辨识中的应用,提出了小波神经网络辨识的~种算法,并使用本文提出的算法训练网络,然后对非线性系统进行了辨识。试验结果表明训

2、练后的小波网络能够达到很好的辨识效果,而且网络规模小,可以作为实际系统的合理化模型。关键词:系统辨识,小波变换,径向基函数网络,小波神经网络ABSTRACTAlthoughtheuseoftraditionalidentificationmethodsasImpulseresponseandleast—squareprocedurearesophisticated,pointtotheobjectwithobviousnonlinearcharacteristic,itisdifficulttodescribethecharacter

3、istiCofobject.Theidentificationofobjectiseasytotrapinlocalminimum,RadicalbasicFunctionnetwork,becausetherelationbetweennetworkandoutputislinear,SOwecanadoptthemethodwhichassureglobalconvergenceandgetthegloballyoptimalsolution,butitisdifficulttOchoosethecenterpoint.Sopoi

4、nttotheelectionofthemodeandstructure,thearticlepresentsaalgorithmofwaveletnetwork,usingthealgorithmtotrainthenetwork,afterthenusedtothepracticalnonlinearsystem.ExperimentalresultsshowthatwaveletnetworkaftertrainingisabletOobtainbetterresult,andthenetworkscopeissmall,itc

5、anbetherationalizationmodeofthepracticalsystem.XieHUa(ControlTheoryandControlEngineering)DirectedbyviceprofiDongZeKEYWORDS:Systemidentification,wavelettransform,RBFneuralnetwork,waveletnetwork华北电力大学硕士学位论文1.1选题背景和意义第一章绪论系统辩议方法因模型集的性质、数掘提供的信息和预期日的而异。经典辨识方法假定参数化的模型能完全描述真实对

6、缘,冈此模型估计等价于参数估计,而参数估计的偏羞来源于干扰噪声。如何消除干扰噪声寻求收敛于假定的真实值的参数一致估计方法,是经典辨识方法的中心问题。传统的系统辨识方法包括脉冲响应法、最d,-乘法等。最小二乘法(【,S)是一种经典的数据处理数据方法,它算法简单,不需要提供观测数据的统计特性,因而应用广泛。但最小二乘法估计是非一致的有偏差的,为了克服这些不足,形成了一些以最小一乘法为基础的辨识方法:广义塌小::乘方(G1.s)、辅助变量法(1V^)和增广知阵法(跏)等。极灭似然法对特殊的噪声模型有很好的性能,具有好的理论保征.但计算耗时较

7、大。这些传统的辨识方法在线性时不变(LTl)系统中的应用已经相当成熟,但是列于具有明显的非线性特性的对象,用线性模掣是无法描述对象的特征,即逼近精度高,有时模型还可以直接与物理或化学规律联系起来,其缺√、i是增加了模型的复杂程度,即增加了辨识难度。特别是当模型的被估计参数为非线性时,便不能直接使用典型的线性参数估计算法。非线性M题的研究是极具挑战性的课题,如何找到适当的模型去描述它们和如何从观测到的输入输出数据去辨识它们的模型,是当前非线性科学的热、]课题。Volte,ra级数、NAEMAX模型、基函数展丌模型、神经网络模型等困其能逼

8、近任意连续函数而被用于描述非线性系统。神经网络这几年飞速发展,并且已被有效的应用于非线性系统的辨{_}{和控制中。神经网终是种非线州.模型,其应用依赖于有效的参数估计算法,日求快速有效的参数仙计算法足神经嘲络研究的中心问

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。