学位论文 > 优秀研究生学位论文题录展示

基于DE算法的DRNN网络非线性系统辨识研究

作　者: 戴晟
导　师: 张翠芳
学　校: 西南交通大学
专　业: 控制理论与控制工程
关键词: 非线性系统辨识对角递归神经网络差分进化单纯形法
分类号: N945.14
类　型: 硕士论文
年　份: 2011年
下　载: 40次
引　用: 1次
阅　读: 论文下载

内容摘要

系统辨识是控制领域研究的一个重要内容,而非线性系统的辨识更是其中的难点和热点。人工神经网络的提出,为复杂的非线性系统的辨识开辟了新的路径。常见的神经网有很多,其中以BP网络最为熟知,但作为一种多层前向静态网络,BP网络自身存在很多缺陷。对角递归神经网络(DRNN)是一种具有反馈环节的动态网络,它通过储存内部状态使其具备映射动态特征的功能,更适合于非线性动态系统的辨识。学习算法是系统辨识研究的核心问题,传统的BP算法,即梯度下降法,已经无法满足对辨识精度和收敛速度的要求。为此,人们也进行了各种算法的改进与研究,并取得了一定的成果。为了进一步提高辨识精度和收敛速度,本文采用DRNN网络和差分进化(DE)算法进行了非线性系统辨识的研究。本文首先对神经网络系统辨识、差分进化的国内外研究现状进行了综述和分析,指出了本课题需要解决的问题,同时给出了研究思路及研究意义。介绍了DRNN神经网络的基本模型和辨识原理,并以DRNN为训练网络,分别采用基本BP算法、改进BP算法和遗传算法(GA)作为系统辨识的学习算法,对两个典型的非线性系统进行系统辨识,通过Matlab仿真实验比较了三种算法的性能指标,结果表明,GA算法的辨识结果要明显优于另外两种算法。其次,为了进一步提高辨识精度将新的学习算法——DE算法引入DRNN神经网络的学习,并分别对DE算法的三种不同的策略进行了分析比较,结合三种策略各自的优点,提出了混合策略的DE算法,经过Benchmark函数测试,验证了混合策略DE算法的有效性,将其应用于非线性系统的辨识,辨识精度和收敛速度要优于GA算法。最后,针对DE这种全局搜索算法的缺陷,引入了Memetic技术的思想,加入了Simplex局部搜索策略,得到改进的DE算法——DE-Simplex算法,将它的Benchmark函数测试结果与DE算法的进行了比较,发现DE-Simplex算法的测试结果有明显提高,验证了DE-Simplex算法有效性。接着进行了基于DE-Simplex算法的非线性系统辨识仿真研究,通过几种算法仿真实验结果的对比,表明所提出的DE-Simplex算法的辨识精度和收敛速度都得到了进一步的提高。

全文目录

摘要  6-7
Abstract  7-9
缩略语表  9-12
第1章绪论  12-18
  1.1 引言  12
  1.2 课题的提出及研究意义  12-13
  1.3 神经网络系统辨识研究现状  13-15
    1.3.1 系统辨识研究现状  13-14
    1.3.2 神经网络研究现状  14-15
  1.4 差分进化研究现状  15-16
  1.5 论文主要工作  16-17
  1.6 论文结构安排  17-18
第2章对角递归神经网络辨识  18-29
  2.1 引言  18
  2.2 DRNN网络辨识  18-20
    2.2.1 DRNN网络基本模型  18-19
    2.2.2 DRNN网络辨识  19-20
  2.3 BP算法  20-21
  2.4 改进BP算法  21-23
    2.4.1 加入动量项  22
    2.4.2 学习速率自适应调整法  22-23
  2.5 GA算法  23-24
  2.6 三种算法性能比较  24-28
  2.7 小结  28-29
第3章基于DE算法的DRNN非线性系统辨识  29-43
  3.1 引言  29
  3.2 DE算法  29-35
    3.2.1 DE算法基本操作  29-31
    3.2.2 DE变异策略对比  31-35
  3.3 混合策略的DE算法  35-37
  3.4 基于DE算法的DRNN非线性系统辨识  37-42
  3.5 小结  42-43
第4章基于改进DE算法的DRNN非线性系统辨识  43-59
  4.1 引言  43
  4.2 改进DE算法  43-47
    4.2.1 Memetic技术  43-44
    4.2.2 Simplex Method局部搜索  44-46
    4.2.3 DE-Simplex算法实现  46-47
  4.3 Matlab仿真实验  47-58
    4.3.1 DE-Simplex算法函数测试  48-53
    4.3.2 基于DE-Simplex算法的DRNN非线性系统辨识  53-58
  4.4 小结  58-59
结论  59-61
致谢  61-62
参考文献  62-65
攻读硕士学位期间发表的论文  65

基于DE算法的DRNN网络非线性系统辨识研究

内容摘要

全文目录

相似论文