学位论文 > 优秀研究生学位论文题录展示

非线性时变系统的时变神经网络建模方法研究

作　者: 吴雪娇
导　师: 孙明轩
学　校: 浙江工业大学
专　业: 控制理论与控制工程
关键词: 系统建模非线性时变系统时变RBF神经网络时变基函数网络迭代学习最小二乘算法
分类号: TP183
类　型: 硕士论文
年　份: 2010年
下　载: 97次
引　用: 0次
阅　读: 论文下载

内容摘要

非线性时变系统广泛存在于实际场合中,对于定常系统目前已经有了一些行之有效的建模方法,但是,当系统参数是时变的,现有的辨识算法多可实现时变参数的跟踪,达到有界收敛性能。因此,时变系统建模问题是值得研究且具有挑战性的课题。近年来,提出了各种神经网络模型与学习算法,并不断完善,基于神经网络的系统建模方法逐渐为人们所重视,也已提出了各种建模方法。本文基于时变神经网络讨论非线性时变系统的建模方法,研究工作主要包括以下三部分:1、针对定常RBF神经网络与BP神经网络,讨论非线性时变系统的建模问题。介绍了BP算法的几种改进算法,着重叙述了最小二乘RBF网络训练算法与L-M算法,给出了其计算实现过程;通过对不同类型的非线性时变系统进行建模仿真,以验证基于定常神经网络的非线性时变系统建模的可行性。2、为了解决非线性时变系统的建模问题,在RBF神经网络中,引入时变权值,获得基于时变RBF神经网络的时变系统建模方法。将迭代学习思想应用于神经网络时变权值的训练过程,推导得到适用于时变网络权值调整算法——ILLS算法,并对其算法性质进行理论分析。采用时变RBF神经网络对不同类型的非线性时变系统进行数值仿真,并通过对比,分析定常RBF网络与时变RBF网络的优劣。3、将ILLS时变权值训练算法推广到其他类型的神经网络,如Chebyshev神经网络、Legendre神经网络、Hermite神经网络和多项式神经网络等基函数网络,得到各自时变权值的神经网络。文中考虑单输入时变Chebyshev、Legendre、Hermite神经网络与双输入时变多项式神经网络,并通过数值仿真结果证明ILLS算法在时变基函数神经网络中的有效性。

非线性时变系统的时变神经网络建模方法研究

内容摘要

全文目录

相似论文