学位论文 > 优秀研究生学位论文题录展示
基于RPROP-DE算法的模糊RBF网络非线性系统辨识
作 者: 方力智
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 模糊RBF神经网络 差分进化算法 RPROP-DE算法
分类号: N945.14
类 型: 硕士论文
年 份: 2011年
下 载: 37次
引 用: 0次
阅 读: 论文下载
内容摘要
近些年来,科技的迅猛发展,使系统辨识向着更为复杂,更加严密的方向发展。模糊RBF(radial basis function,RBF)网络非线性系统辨识,融合了神经网络和模糊逻辑两者的长处,展现出了强大的非线性映射能力。但是因为训练模糊RBF网络的传统算法存在极易陷入局部极小值、早熟和辨识精度不理想等问题,所以针对这些问题进行了研究。首先,本文介绍了模糊RBF神经网络的结构以及辨识原理。针对在模糊RBF神经网络中广泛使用的最多的方法——遗传算法和BP算法存在的收敛慢、容易陷入局部极值以及辨识精度不高的缺点,提出一种基于差分进化算法(Differential Evolution Algorithm,DE)的模糊RBF网络进行非线性系统辨识的新方法。差分进化算法是一种强大的全局优化搜索方法。差分进化算法收敛快、实现简单,稳定性极强,所需领域知识少,非常适合解决复杂的寻优问题。然后,为了克服在模糊RBF网络系统辨识中梯度对网络权重变化的影响,用局部快速学习方法RPROP算法与差分进化算法组合成的——RPROP-DE算法训练模糊RBF神经网络,RPROP算法不受梯度值对权重改变的影响,而只是决定模糊RBF神经网络权值的调整方向,并将RPROP-DE算法用于系统辨识,取得了极佳的辨识性能。最后,将RPROP-DE算法和DE算法优化的辨识效果进行了比较,实验结果证明基于RPROP-DE算法的辨识误差和辨识精度都要优于DE算法优化的辨识方法。
|
全文目录
摘要 6-7 Abstract 7-11 第1章 绪论 11-16 1.1 非线性系统辨识的研究现状 11-12 1.2 差分进化算法的研究现状 12-14 1.2.1 差分进化算法的发展 12-13 1.2.2 差分进化算法在神经网络中的应用 13-14 1.3 本文的主要研究内容 14-16 第2章 模糊RBF神经网络非线性系统辨识 16-26 2.1 引言 16 2.2 模糊RBF网络的拓扑结构 16-18 2.3 模糊RBF网络辨识原理 18-20 2.4 梯度下降算法实现步骤 20-21 2.5 模糊RBF网络非线性系统辨识仿真研究 21-25 2.6 小结 25-26 第3章 基于遗传算法的模糊RBF网络非线性系统辨识 26-36 3.1 引言 26 3.2 遗传算法基本原理 26-29 3.2.1 遗传算法基本介绍 26-27 3.2.2 复制 27 3.2.3 交叉 27-28 3.2.4 变异 28 3.2.5 遗传算法的特点 28-29 3.3 遗传算法优化模糊RBF网络实现步骤 29-30 3.4 基于GA的模糊RBF网络非线性系统辨识仿真研究 30-33 3.5 BP算法与遗传算法比较分析 33-35 3.6 小结 35-36 第4章 基于差分进化算法的模糊RBF网络非线性系统辨识 36-49 4.1 差分进化算法原理 36-40 4.1.1 差分进化算法基本介绍 36 4.1.2 变异 36-37 4.1.3 交叉 37 4.1.4 选抒 37-38 4.1.5 差分进化算法流程 38-39 4.1.6 差分进化算法的参数设置 39 4.1.7 差分进化算法的特点 39-40 4.2 差分进化算法的改进 40 4.3 差分进化算法训练模糊RBF网络的步骤 40-42 4.4 DE算法优化模糊RBF网络的非线性系统辨识仿真研究 42-45 4.5 几重辨识方法仿真对比分析 45-48 4.6 小结 48-49 第5章 基于RPROP-DE算法的非线性系统辨识 49-63 5.1 引言 49 5.2 弹性BP算法原理及其改进 49-53 5.3 RPROP算法的特点 53 5.4 RPROP-DE算法训练神经网络的步骤 53-56 5.5 RPROP-DE算法训练模糊RBF网络的仿真研究 56-59 5.6 DE算法与RPROP-DE算法仿真对比分析 59-61 5.7 小结 61-63 结论 63-65 致谢 65-66 参考文献 66-71 攻读硕士学位期间发表的学术论文 71
|
相似论文
- 基于差分进化算法的JSP环境下成套订单研究,F273
- K-均值聚类算法的研究与改进,TP311.13
- 极端气象灾害下考虑不确定断线故障的电力系统随机优化调度,TM73
- K-means聚类优化算法的研究,TP311.13
- 参数协进化的改进和声搜索算法及其应用,TP391.3
- 多智能体差分进化算法及其在发酵过程优化中的应用,TP18
- 高速公路入口匝道控制研究,U491.54
- 水隔离浆体泵建模与控制,TH38
- 基于BP神经网络广义预测控制在气体压缩过程中的应用研究,TP273
- 基于智能方法的预测控制研究,TP18
- 基于差分进化算法的GVF Snake模型的PET医学图像分割,TP391.41
- 基于DE算法的DRNN网络非线性系统辨识研究,N945.14
- 基于性能评估的炼焦生产过程优化运行闭环控制系统设计,TP273
- 含风电机组的配电网无功优化及算法研究,TM714.3
- 基于非线性输出频率响应函数的转子裂纹故障诊断方法研究,TH165.3
- 进化规划在图像稀疏分解中的应用,TP391.41
- 基于ISA-DE算法的神经网络PID控制,TP13
- 多维传感器动态解耦研究,TP212
- 基于MPPNN时空维动态系统建模技术研究,TP391.9
- 数字图像差分进化稀疏分解及压缩,TP391.41
中图分类: > 自然科学总论 > 系统科学 > 系统工程 > 系统分析 > 系统辨识
© 2012 www.xueweilunwen.com
|