基于改进遗传算法小波神经网络控制器设计与地研究

《基于改进遗传算法小波神经网络控制器设计与地研究》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、国内图书分类号：TPl83工学硕士学位论文基于改进遗传算法小波神经网络控制器设计与研究硕士研究生：高健凯导师：宋清昆申请学位级别：工学硕士学科、专业：控制理论与控制工程所在单位：自动化学院答辩日期：2012年3月授予学位单位：哈尔滨理工大学ClassifiedIndex："183DissertationfortheMas(erDegreeinEngineeringDesignandResearchofWaveletNeuralNetworkControllerBasedonTheImprovedGeneticCandidate：S

2、upervisor：GaoJiankai‘SongQingkunAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：DateofOralExamination：University：ControlTheoryandControlEngineeringMarch，2012HarbinUniversityofScienceandTechnology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《基于改进遗传算法小波神经网络控制器设计与研究》，是本人在导

3、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夕卜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：右茗1避1查_锄flu日期：≯服年)月if日哈尔滨理工大学硕士学位论文使用授权书<基于改进遗传算法小波神经网络控制器设计与研究》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酶磺士学位论文。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

4、解哈尔滨理王大学关于保存、使用学位论文的巍定，圊意学校傈留并向有关部门提交论文和电子版本，允许论文被查阕和借阅。本人授权哈尔滨理王大学可以采用影印、缩印麒他复制手段保存论文，可以公布论文蟪全部或部分内容。本学位论文属于保密口，在年解密焉适用授权书。不保密团。o<请在以上相应方框内打≮)作者签名：焉健九日期：细L年j月D'-f71导师签名：取杉及．日期：尹垃年3胄，f日晗尔滨瑾王大学王学硬圭学位论文基于改进遗传算法小波神经网络控制器设计与研究摘要小波神经网络是由具有相当发展程度的人工神经网络与小波分析理论相结合磊产生的，其既拥有小波

5、分析时．频局部化的特点，又继承了人工神经网络强大的自学功能。因为其具备强大的容错与逼近能力，进而使得它在解决一系列复杂的非线性、不确知及不确定系统等的控制问题时，在容错功能、预报效果、收敛速度等众多方面都展示出了强予传统的前岛型神经网络的能力，具有广泛的现实应用意义。本文主要研究了小波神经网络的学习算法与结构，并设计出了一个性能优异的控制器。本文选用了遗传算法作为优化小波神经网络的学习算法，但是遗传算法在全局优化方面虽然具备不少独有的特性，然而仍存在一些方面亟需去改善与提高，例如：算法初始参数的选择带有主观性，收敛速度慢，易于陷入

6、早熟收敛、并且每一次迭代误差不稳定等一系列闯题。因此本文提出了一种基于小生境技术的改进遗传算法来应用于网络。改进的遗传算法采用了以遗传代数以及个体的适应度为依据而更改的自适应交叉概率，并且加入了小生境技术，使得种群个体在特定环境内生存与进化，可以确保保持多样的种群，此外还将早熟现象加以了克服，使得收敛的速度以及全局的优化能力得到显著地提升，最终使小波神经网络控制器能够得到良好的控制效采。最质，本文以前人的研究为依据，参照二级倒立摆的特征，采用改进遗传算法优化小波神经网络，并设计构造出小波神经网络控制器模块，进行仿真与实际控制实验，

7、进而验证控制器的有效性。关键词小波神经网络；遗传算法；二级倒立摆啥尔滨瑾工大学工学硕士学位论文DesignandResearchofveletNeuralNetworkControllerBasedontheImprovedGeneticAlgorithmAbstract鼢yeletneuralnetworkisanalgorithm磕atcombines珐eneuralnetworkwithwaveletanalysistheory．Itnotonlyhasthecharacteristicsoftime-frequencylo

8、calizationofwaveletanalysisbutalsoinheritstheartificialneuralnetwork’Spowerfulself-learningfunction．Becauseofitspowerfulappr