学位论文 > 优秀研究生学位论文题录展示

基于扩展卡尔曼滤波的模糊神经网络学习算法研究

作　者: 柳玉炯
导　师: 周尚波
学　校: 重庆大学
专　业: 计算机系统结构
关键词: 模糊神经网络 扩展卡尔曼滤波 自组织学习
分类号: TP183
类　型: 硕士论文
年　份: 2010年
下　载: 277次
引　用: 0次
阅　读: 论文下载
 

内容摘要


模糊系统具有模拟人脑推理的功能;神经网络具有自适应学习能力、泛化能力以及并行处理能力。模糊神经网络不仅吸取了模糊系统和神经网络的优点,而且克服了二者的缺点,因而成为智能控制领域的一个研究热点。模糊神经网络由于其简单实用,已被广泛用于工业过程控制、信号处理等领域。模糊神经网络本质上是一个神经网络,其结构主要由模糊规则数决定,网络的结构是否合理对其泛化能力有重要影响,如何确定一个具有合理结构的模糊神经网络一直是一个难题。传统的方法大多采用反向传播算法训练模糊神经网络,反向传播算法具有一定的局限性,如:学习速度慢,容易陷入局部极小点。卡尔曼滤波是一种实时递推算法,它所处理的对象是随机信号,它主要利用系统噪声和观测噪声的统计特性,把系统的观测量作为滤波器的输入,把所要估计的状态量作为滤波器的输出。卡尔曼滤波的输入与输出之间通过时间更新算法和观测更新算法联系一起,依据状态方程和观测方程估计出需要处理的信号,卡尔曼滤波实质上是一种最优估计方法。利用卡尔曼滤波调整神经网络的参数,不仅可以减少网络的学习周期,而且可以优化网络的结构。为了构造一个有效的模糊神经网络,本文提出一种自组织学习算法,模糊神经网络的结构辨识和参数调整可以同时进行。本文的主要内容如下:①简要介绍了模糊系统、神经网络等基本理论,并分析了二者的特性。②阐述了离散卡尔曼滤波和扩展卡尔曼滤波的基本原理,推导了这两种滤波的计算过程,研究了全局扩展卡尔曼滤波和解耦扩展卡尔曼滤波在神经网络训练中的应用。③构造了模糊神经网络的一种自组织学习算法,在构建模糊规则的生长准则时考虑了系统误差、可容纳边界、误差下降率等因素,网络依据算法中的生长准则限制性地增加模糊规则。因为网络的前件部分具有非线性特性,网络的后件部分具有线性特性,所以在对参数进行调整时,利用扩展卡尔曼滤波调整前件参数,利用卡尔曼滤波调整后件参数。仿真结果表明,利用本算法生成的模糊神经网络具有紧凑的结构,同时在逼近精度和泛化能力等方面都有优势。

全文目录


中文摘要  3-4
英文摘要  4-8
1 绪论  8-13
  1.1 引言  8
  1.2 国内外研究现状  8-12
    1.2.1 模糊神经网络的研究现状  8-10
    1.2.2 卡尔曼滤波的研究现状  10-11
    1.2.3 模糊神经网络和卡尔曼滤波相结合的研究现状  11-12
  1.3 本文研究的主要内容  12-13
2 模糊系统与神经网络概述  13-23
  2.1 引言  13
  2.2 模糊系统  13-17
    2.2.1 模糊集合  13-14
    2.2.2 模糊逻辑运算  14-15
    2.2.3 模糊规则  15
    2.2.4 模糊推理  15-16
    2.2.5 模糊逻辑系统  16-17
  2.3 神经网络  17-21
    2.3.1 神经元结构模型  17-18
    2.3.2 神经网络的互连模式  18-19
    2.3.3 神经网络的学习方式  19-20
    2.3.4 径向基函数神经网络  20-21
  2.4 模糊系统与神经网络的特性分析  21-22
    2.4.1 模糊系统与神经网络的相似性  21
    2.4.2 模糊系统与神经网络的结合  21-22
  2.5 本章小结  22-23
3 扩展卡尔曼滤波算法  23-33
  3.1 引言  23
  3.2 离散卡尔曼滤波的基本原理  23-26
    3.2.1 离散卡尔曼滤波的计算过程  23-24
    3.2.2 离散卡尔曼滤波方程  24-26
  3.3 扩展卡尔曼滤波的基本原理  26-30
    3.3.1 扩展卡尔曼滤波的计算过程  26-28
    3.3.2 扩展卡尔曼滤波方程  28-30
  3.4 扩展卡尔曼滤波在神经网络中的应用  30-32
    3.4.1 全局EKF 训练算法  30-31
    3.4.2 解耦EKF 训练算法  31-32
  3.5 本章小结  32-33
4 基于扩展卡尔曼滤波的模糊神经网络自组织学习算法  33-50
  4.1 引言  33-34
  4.2 SFNN 的结构  34-35
  4.3 SFNN 的学习算法  35-41
    4.3.1 模糊规则的产生准则  35-38
    4.3.2 参数调整  38-41
    4.3.3 模糊规则的增加过程  41
  4.4 实验结果及分析  41-49
    4.4.1 混沌时间序列预测  41-44
    4.4.2 非线性动态系统辨识  44-46
    4.4.3 函数逼近  46-49
  4.5 本章小结  49-50
5 总结与展望  50-52
致谢  52-53
参考文献  53-57
附录  57
  A 作者在攻读学位期间发表的论文目录  57
  B 作者在攻读硕士学位期间参加的科研项目  57

相似论文

  1. 基于陀螺和星敏感器的卫星姿态确定研究,V448.2
  2. 信息融合技术在嵌入式驾驶疲劳检测中的应用研究,TP368.12
  3. 空间信息处理中基于模糊技术的数学模型的改进,O159
  4. 智能型太阳能路灯控制器的应用研究,TM923.5
  5. 融合视觉与惯性导航的机器人自主定位,TP242
  6. 基于FNN的电压力锅控制系统研究与设计,TM925.5
  7. 基于广义动态模糊神经网络的肌电信号模式识别系统,TP183
  8. 面向室内环境的WSN跟踪关键技术研究,TN929.5
  9. 高校人力资源信息管理系统的设计和实现,TP311.52
  10. 面向小型无人直升机的SINS/GPS组合导航系统研究,TN967.2
  11. 移动机器人室内即时地图构建与自主导航,TP242
  12. 编队卫星星间碰撞及防碰撞技术研究,V448.2
  13. 基于人工神经网络的镍氢电池智能充电研究,TM912
  14. 智能清扫机器人地图创建及创建中的关联算法研究,TP242
  15. 基于GPS/DR的移动机器人组合定位技术研究,TN967.2
  16. 智能家居无线监控与节能管理系统研究,TP273.5
  17. 基于神经网络和灰色系统的水质预测研究,X832
  18. 烟叶烘烤智能控制系统研究,TS43
  19. 模糊神经网络在胶粘剂生产过程中的研究与应用,TP183
  20. 基于补偿模糊神经网络的反应釜温度控制研究,TP183
  21. 基于模糊神经网络的优化吹灰系统研究,TM621.2

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com