小波网络在非线性控制系统中的应用研究

《小波网络在非线性控制系统中的应用研究》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：TP273国际图书分类号：62硕士学位论文学校代码：10079密级：公开小波网络在非线性控制系统中的应用研究硕士研究生：导师：申请学位：学科：专业：所在学院：答辩日期：授予学位单位：闰璐韦根原副教授工学硕士控制科学与工程检测技术与自动化装置控制与计算机工程学院2013年3月华北电力大学ClassifiedIndex：TP273U．D．C：62ThesisfortheMasterDegreeNonlinearControlSystemApplicationResearchbasedCandidate：Supervi

2、sor：School：DateofDefence：on厮lveletNeuralNetworkYanLuViceProf．WeiGenyuanSchoolofControlandComputerEngineeringMarch，2013Degree--Conferring—-Institution：NorthChinaElectricPowerUniversity华北电力大学硕士学位论文原创性说明本人郑重声明：此处所提交的硕十学位论文《小波网络在非线性控制系统中的应用研究》，是本人在导师指导下，在华北电力大学攻读硕士学位期间独立

3、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。对本文的研究工作做出重要贡献的个人和集体，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。作者虢闫船嘿油I；年；月中日华北电力大学硕士学位论文使用授权书《小波网络在非线性控制系统中的应用研究》系本人在华北电力大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归华北电力大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向国家有关部门或机构送

4、交论文的复印件和电子版本，同意学校将学位论文的全部或部分内容编入有关数据库进行检索，允许论文被查阅和借阅。本人授权华北电力大学，可以采用影印、缩印或扫描等复制手段保存、可以公布论文的全部或部分内容。本学位沦文属于(请在以下相应方框内打“√”)：保密口，在年解密后适用本授权书不保密留作者签名：导师签名：闫论棚、日期：洲；年≥月Cn日期：勿，；年弓月争日华北电力大学硕』：学位论文摘要小波网络是近年来备受瞩目的神经网络研究的一个新的分支，兼具前向神经网络的突出特点，以及小波分析的时频局域性和神经网络的自学习和自适应能力，并且在逼近和容

5、错方面也都具有较强的能力，在模式识别、故障诊断、信号处理和数据压缩等领域都有应用。由于有小波分析理论的指导，所以小波网络的结构可以很容易的确定，并在此理论的指导下对其参数进行设置。相对于常规神经网络而言，小波网络的权值的学习算法也更加简单，它的学习不存在局部极小点，并且学习的误差函数对权值来说是线性的，收敛速度也较快。另外在小波网络中，小波函数的窗口特性和快速衰减性，使得小波网络在逼近函数时可以具备局部逼近的能力，和传统全局逼近网络相比，局部逼近的小波网络更容易适应新数据、具有更快的收敛速度和能够避免较大的外推误差等优点。因此，

6、考虑到小波网络如此强大的非线性函数逼近能力，尝试将小波网络应用在非线性函数的学习及其动态系统辨识中。本文对小波网络和非线性系统辨识的发展历程、研究和应用的方法及领域分别进行了介绍。以小波网络和非线性系统辨识理论为基础，对结构非线性中的复杂非线性静态系统和非线性动态系统的辨识方法进行了研究，辨识结果作为对非线性系统控制的重要铺垫。本文首先介绍了小波分析理论和神经网络的发展现状，介绍了神经网络的原理、特点和实现算法：其次，学习了小波分析理论，将小波分析与神经网络相结合，得到小波网络，本文以小波网络理论为基础，在描述基础小波网络基本结

7、构以及学习算法的基础上，结合国内外学者对小波网络在各个领域的研究和应用现状，重点介绍了连续参数小波网络辨识非线性系统的实现，分析了小波网络的性能，利用小波网络的非线性函数逼近能力，用连续小波梯度训练法，分别对小波系数和网络权值两部分参数进行训练，对非线性静态系统和非线性动态系统进行辨识，辨识给定的非线性对象，取得了较好的效果。关键词：小波分析；神经网络；非线性华北电力大学顶．1：学位论文AbstractWaveletnetworkisarecentlyhigh—profilednewbranchofneuralnetworks，

8、ithasthefeaturesasafeedforwardneuralnetwork．aswellasthewaveletanalysis’Stime—frequencylocalizationandtheabilityofneuralnetworkselfl