發(fā)布時(shí)間：2020-12-25 20:31

　　近些年來(lái),科技的迅猛發(fā)展,使系統(tǒng)辨識(shí)向著更為復(fù)雜,更加嚴(yán)密的方向發(fā)展。模糊RBF（radial basis function,RBF）網(wǎng)絡(luò)非線性系統(tǒng)辨識(shí),融合了神經(jīng)網(wǎng)絡(luò)和模糊邏輯兩者的長(zhǎng)處,展現(xiàn)出了強(qiáng)大的非線性映射能力。但是因?yàn)橛?xùn)練模糊RBF網(wǎng)絡(luò)的傳統(tǒng)算法存在極易陷入局部極小值、早熟和辨識(shí)精度不理想等問(wèn)題,所以針對(duì)這些問(wèn)題進(jìn)行了研究。首先,本文介紹了模糊RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以及辨識(shí)原理。針對(duì)在模糊RBF神經(jīng)網(wǎng)絡(luò)中廣泛使用的最多的方法——遺傳算法和BP算法存在的收斂慢、容易陷入局部極值以及辨識(shí)精度不高的缺點(diǎn),提出一種基于差分進(jìn)化算法（Differential Evolution Algorithm,DE）的模糊RBF網(wǎng)絡(luò)進(jìn)行非線性系統(tǒng)辨識(shí)的新方法。差分進(jìn)化算法是一種強(qiáng)大的全局優(yōu)化搜索方法。差分進(jìn)化算法收斂快、實(shí)現(xiàn)簡(jiǎn)單,穩(wěn)定性極強(qiáng),所需領(lǐng)域知識(shí)少,非常適合解決復(fù)雜的尋優(yōu)問(wèn)題。然后,為了克服在模糊RBF網(wǎng)絡(luò)系統(tǒng)辨識(shí)中梯度對(duì)網(wǎng)絡(luò)權(quán)重變化的影響,用局部快速學(xué)習(xí)方法RPROP算法與差分進(jìn)化算法組合成的——RPROP-DE算法訓(xùn)練模糊RBF神經(jīng)網(wǎng)絡(luò),RPROP算法不受梯度值對(duì)權(quán)重改變的影響,而只是決... 

【文章來(lái)源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

模糊RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

模糊R13F網(wǎng)絡(luò)辨識(shí)結(jié)構(gòu)

”J日‘吧一圖2一3梯度卜降算法流程圖梯度下降算法優(yōu)化模糊RBF神經(jīng)網(wǎng)絡(luò)的流程圖如圖2一3所示。梯度下降算法訓(xùn)練模糊RBF網(wǎng)絡(luò)的實(shí)現(xiàn)步驟為:隨機(jī)產(chǎn)生模糊徑向基函數(shù)網(wǎng)絡(luò)清晰化層的權(quán)值以及隸屬度的中心和寬度，輸入訓(xùn)練樣木。2·計(jì)算網(wǎng)絡(luò)辨識(shí)誤差。(k)，即可得到網(wǎng)絡(luò)辨識(shí)的[{1標(biāo)E一l。(k)3.通過(guò)第3步得到的模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)的目標(biāo)來(lái)調(diào)整清晰化層網(wǎng)絡(luò)權(quán)值。4.反向傳播，調(diào)整模糊尺即神經(jīng)網(wǎng)絡(luò)中高斯型隸屬函數(shù)的，卜自值和寬度值。5.檢查是否達(dá)到預(yù)先設(shè)定好的網(wǎng)絡(luò)辨識(shí)日標(biāo)。若達(dá)到指定的辨識(shí)卜!標(biāo)則保留網(wǎng)絡(luò)權(quán)

【參考文獻(xiàn)】：
期刊論文
[1]非線性系統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)控制的改進(jìn)策略[J]. 趙俊,陳建軍.  控制理論與應(yīng)用. 2010(04)
[2]非線性系統(tǒng)辨識(shí)方法研究[J]. 徐小平,錢(qián)富才,王峰.  計(jì)算機(jī)工程與應(yīng)用. 2010(06)
[3]基于T-S模型的模糊系統(tǒng)辨識(shí)方法綜述[J]. 蔣強(qiáng),肖建,何都益,蔣偉,王夢(mèng)玲.  計(jì)算機(jī)應(yīng)用研究. 2009(06)
[4]BP神經(jīng)網(wǎng)絡(luò)的聯(lián)合優(yōu)化算法[J]. 孫娓娓,劉瓊蓀.  計(jì)算機(jī)工程與應(yīng)用. 2009(12)
[5]基于導(dǎo)數(shù)優(yōu)化的BP學(xué)習(xí)算法的研究綜述[J]. 張芳芳,賀娟,李明軍.  計(jì)算機(jī)應(yīng)用研究. 2009(03)
[6]遺傳算法研究綜述[J]. 葛繼科,邱玉輝,吳春明,蒲國(guó)林.  計(jì)算機(jī)應(yīng)用研究. 2008(10)
[7]混沌直擴(kuò)信號(hào)擴(kuò)頻序列盲估計(jì)[J]. 胡進(jìn)峰,郭靜波.  電子與信息學(xué)報(bào). 2008(08)
[8]基于PSO的RBF神經(jīng)網(wǎng)絡(luò)在熱工系統(tǒng)辨識(shí)中的應(yīng)用[J]. 王學(xué)厚,韓璞,李巖,賈增周.  華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(01)
[9]基于對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)及應(yīng)用[J]. 于海波,馬翠紅.  微計(jì)算機(jī)信息. 2007(31)
[10]基于蟻群聚類算法的非線性系統(tǒng)辨識(shí)[J]. 趙寶江,李士勇.  控制與決策. 2007(10)

碩士論文
[1]基于遺傳算法優(yōu)化的智能控制研究[D]. 張茜.中國(guó)石油大學(xué) 2010
[2]基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別技術(shù)研究[D]. 邵長(zhǎng)斌.江南大學(xué) 2009
[3]模糊RBF網(wǎng)絡(luò)的研究和應(yīng)用[D]. 范傳柱.安徽理工大學(xué) 2009
[4]基于遺傳進(jìn)化神經(jīng)網(wǎng)絡(luò)的人民幣號(hào)碼識(shí)別方法研究[D]. 張璐璐.吉林大學(xué) 2009
[5]基于RPROP-SVR混合算法的DRNN網(wǎng)絡(luò)非線性系統(tǒng)辨識(shí)[D]. 王曉燕.西南交通大學(xué) 2009
[6]BP神經(jīng)網(wǎng)絡(luò)的算法改進(jìn)及應(yīng)用研究[D]. 孫娓娓.重慶大學(xué) 2009
[7]差分進(jìn)化算法及其在氣動(dòng)優(yōu)化設(shè)計(jì)中的應(yīng)用[D]. 張?jiān)?上海交通大學(xué) 2009
[8]差分進(jìn)化算法及其在指數(shù)復(fù)制中的應(yīng)用[D]. 雍開(kāi)伏.華中科技大學(xué) 2008
[9]ERP中銷(xiāo)售管理系統(tǒng)的擴(kuò)展設(shè)計(jì)研究與實(shí)踐[D]. 王鵬鵬.廣西大學(xué) 2008
[10]差分進(jìn)化算法及其應(yīng)用研究[D]. 寧桂英.廣西民族大學(xué) 2008



本文編號(hào)：2938344