多容水箱小波神经网络广义预测控制

《多容水箱小波神经网络广义预测控制》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、工学硕士学位论文多容水箱小波神经网络广义预测控制哈尔滨理工大学2014年3月国内图书分类号：TP183工学硕士学位论文多容水箱小波神经网络广义预测控制硕士研究生：导师：申请学位级别：学科、专业：所在单位：答辩日期：授予学位单位：ClassifiedIndex：TP183DissertationfortheMasterDegreeinEngineeringDesignandResearchonWaveletNetworkControllerBasedonQPSOCandidate：Supervisor：AcademicDegreeAppliedfor

2、：Specialty：DateofOralExamination：University：哈尔滨理工大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于QPSO小波神经网络控制器设计与研究》，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名：日期：年月日哈尔滨理工大学硕士学位论文使用授权书《基于QPSO小波神经网络控制器设计与研究

3、》系本人在哈尔滨理工大学攻读硕士学位期间在导师指导完下成的硕士学位论文。本论文的研究成果归哈尔滨理工大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关部门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于保密，在年解密后适用授权书。√不保密。（请在以上相应方框内打√）作者签名：日期：年月日导师签名：日期：年月日多容水箱小波神经网络广义预测控制摘要小波神经网络是将人工神经网络

4、与小波分析理论基础共同建立的一种新型神经网络，它结合了人工神经网络与小波分析的优点。首先，时频局部化这一小波变换的重要特性被充分利用；其次，人工神经网络充分发挥自身的学习能力，从而将容错能力和比较强的逼近能力充分体现出。但是人工神经网络与小波分析结合时会对小波神经网络自身的结构产生一定的问题，会将易于陷入局部极小或不收敛这些问题在小波神经网络模型中出现。本文的主要内容，首先对小波神经网络的学习算法和结构特性进行研究。根据以上研究所得到的的收获设计出性能良好的小波控制器。再在具体的仿真试验中对其性能进行研究。我们在研究算法过程中发现在传统小波神经网络

5、中，其学习算法有许多不足之处，所以我们将简述小波神经网络存在的几种改进算法，提出算法，首先提出算法的基本原理与和基本流程，我们详细提出比较重要的两种改进算法，其分别是含有压缩因子的算法和含有权重的算法；介绍算法的来源，将量子势阱模型作为算法的基本形式，我们计算出粒子位置的概率密度函数和波函数，而算法的基本进化方程我们将依照方法推导出来；并判断出粒子在基本进化方程中的收敛问题，从而得出较好两种搜索策略，从而得出完整的算法流程。最后对算法中粒子的等待效应以及设计模式进行了讨论。对算法的收敛性进行了研究。在算法中加入学习因子、进化速度和粒子聚集度等参数。

6、并对算法的参数迭代更新加以完善，这样才能将神经子网络的训练结果得以改善。利用量子行为粒子群算法优化小波神经网络控制器。选取最常用的Morlet小波作为小波基函数。并将控制对象选为二级倒立摆。利用软件构建仿真模块。我们根据仿真实验和实物控制实验能够确定出控制器在稳定性和抗干扰能力上有突出表现。关键词　小波神经网络；量子化粒子群算法；二级倒立摆-V-DesignandResearchonWaveletNetworkControllerBasedonQPSOAbstractTheWaveletNeuralnetworksisanewtypeofneura

7、lnetworkbasedontheartificialneuralnetworkandwaveletanalysiscombiningthebenefitsofartificialneuralnetworkandwaveletanalysis.First,thefrequencylocalizationoftheimportantcharacteristicsofwavelettransformisfullyutilized;Second,theartificialneuralnetworkitselfownlearningability,the

8、abilityoffaulttoleranceandstrongapproximationabilityarefullyp