基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計與研究.pdf

1、小波神經(jīng)網(wǎng)絡(luò)是結(jié)合小波變換理論與人工神經(jīng)網(wǎng)絡(luò)的思想而構(gòu)造的一種新的神經(jīng)網(wǎng)絡(luò)模型，它結(jié)合了小波變換良好的時頻局域化性質(zhì)及神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能，具有較強的逼近能力和容錯能力，在處理復(fù)雜非線性、不確定、不確知系統(tǒng)等問題上表現(xiàn)出優(yōu)于傳統(tǒng)前向神經(jīng)網(wǎng)絡(luò)的收斂速度、容錯能力、預(yù)報效果，具有廣泛的應(yīng)用前景。本文主要對小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法、參數(shù)初始化、小波基函數(shù)及結(jié)構(gòu)設(shè)計方法進行了研究，設(shè)計一個性能優(yōu)良的控制器。 針對小波神經(jīng)網(wǎng)絡(luò)映射學(xué)習(xí)時容易

2、產(chǎn)生“維數(shù)災(zāi)難”問題，提出了一種分級小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，由于傳統(tǒng)小波神經(jīng)網(wǎng)絡(luò)應(yīng)用誤差反向傳播算法選擇參數(shù)具有依據(jù)不足的缺點，應(yīng)用遺傳算法對小波神經(jīng)網(wǎng)絡(luò)進行參數(shù)優(yōu)化。本文充分發(fā)揮小波神經(jīng)網(wǎng)絡(luò)良好的時頻域局域化、自學(xué)習(xí)能力和遺傳算法的全局搜索能力，提出了一種有效的學(xué)習(xí)訓(xùn)練途徑，首先應(yīng)用遺傳算法優(yōu)化網(wǎng)絡(luò)的初始參數(shù)，當誤差不再明顯變化時應(yīng)用小波神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法進行訓(xùn)練。在采用共軛梯度算法時，由于搜索方向和步長計算存在誤差，使得產(chǎn)生的各搜索方向不能

3、保證相互共軛，故對該算法進行改進，即在線性搜索時加上區(qū)間定位和區(qū)間縮小來盡快找到極小點。 在眾多的小波函數(shù)中，小波基的選取沒有一個最優(yōu)準則，本文分別采用DOG（Difference of Gaussian）小波、Morlet小波、Mexihat小波、Shannon小波作為小波神經(jīng)網(wǎng)絡(luò)的小波基函數(shù)，對它們的應(yīng)用效果進行比較。采用二級倒立擺系統(tǒng)為被控對象，進行了仿真研究，驗證了小波神經(jīng)網(wǎng)絡(luò)控制器的有效性，控制器具有很強的抗干擾能力。