基于HGA-BP算法的调速系统辨识研究.pdf

《基于HGA-BP算法的调速系统辨识研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《电气自动化》2010年第32卷第4期智能控制技术基于HGA．BP算法的调速系统辨识研究南京理工大学机械工程学院(南京210094)朱磊侯远龙总装工程兵驻武汉军事代表室(武汉430073)金勇摘要：针对BP网络学习算法的不足，提出了一种基于递阶遗传算法(HGA)的BP网络建模方法。文中对递阶遗传算法在优化神经网络过程中的一些参数，如适应度函数、编码方案和交叉变异概率等提出具体的设计方法。该算法可以同时对神经网络进行拓扑结构优化和参数求解。最后采用该方法，实现了具有复杂非线性特征的某调速系统的精确建模。实验结果及其与改进BP算法建模方法的比较，验证

2、了该算法的有效性。关键词：递阶遗传算法调速系统建模BP[中图分类号】TP183[文献标识码]A[文章编号】10003886(2010)04—0014．03IdentificationofSpeedGoverningSystemBasedOnHGA-BP(NangUniversityofScienceandTechnology,NanjingJiangsu210094，China)ZhuLeiHouYuanlong(MilitaryRepresentativeOfficeoftheGeneralArmamentsDepartmentinWuhanA

3、rea，WuhanHubei430073，China)JinYongAbstract：FortheshortageofBPneuralnetworklearningalgorithm，amethodformodelingBPnetworkwasproposedbasedonthehierarchicalgeneticalgorithm．Thispaperpresentedthespecificdesignmethodoftheparameters，suchasthefitnessfunction，coding，crossoverandmutati

4、onprobabilityintheneuralnetworkoptimizationusinghierarchicalgeneticalgorithm．Thismethodcanoptimizetopologicalstructureandparametersoftheneuralnetworkatthesametime．Finally，thetechniquewasemployedtosettlethemodelingproblemofthespeedgoverningsystemofacertainweaponwithcomplexnon—

5、linearcharacteristics．TheexperimentalresultsandcomparisonswithmodelingmethodsofBPalgorithmindicatedthattheproposedapproachcanbemoreefectivelytoconstructprecisemodels．Keywords：hierarchicalgeneticalgorithmspeedgoverningsystemmodelingBP0引言闽值的精度要求，参数基因以实数的形式表示，在神经网络的优化中代表相应神经元的连接

6、权值和阈值。因此，递阶遗传算法在进近年来，对神经网络研究的热点集中于利用遗传算法对网络行遗传寻优过程中可以改变神经网络的拓扑结构，从而能够在进进行改进。其中大部分文献侧重于改进神经网络权重，对网络结行参数优化的同时进行结构的优化_21。由于三层BP网络是应用最构改进相对较少。因此，作者在分析BP神经网络的基础上，提出广泛的，本文仿真中，对于该输入输出给定的系统，采用三层BP一种基于递阶遗传算法的BP网络建模方法，该方法可以同时优网络来建模，通过HGA对该网络的结构和参数进行优化求解。化神经网络的结构和参数，并将其应用于具有复杂非线性特征的采用递阶

7、遗传算法学习BP神经网络，需要明确如下几个关某调速系统的建模中，仿真结果证明了该方法的有效性。键问题：染色体评价的适应度函数，代表问题解的染色体的编码方1基于递阶遗传算法的BP神经网络设计式，初始种群的产生，实现染色体进化的操作算子等。已有理论证明具有两个隐含层的BP神经网络可以逼近任意的1．1适应度函数非线性函数，但是如何根据实际需要确定神经网络的结构至今尚无遗传算法中，群体的进化过程就是以群体中各个个体的适应理论指导或计算公式，网络结构需要根据先验知识或反复试凑而度为依据，以个体适应度值的大小来确定个体被遗传到下一代种定，因此BP算法很难对网

8、络的结构和权重同时优化。此外，BP算法群的概率。因此，适应度是衡量种群中个体优劣的标志，是执行遗具有收敛速度慢，全局搜索能力弱，易陷入局