基于c-psode算法的模糊rbf神经网络非线性系统辨识

基于c-psode算法的模糊rbf神经网络非线性系统辨识

ID:23297913

大小:14.36 MB

页数:58页

时间:2018-11-06

基于c-psode算法的模糊rbf神经网络非线性系统辨识_第1页
基于c-psode算法的模糊rbf神经网络非线性系统辨识_第2页
基于c-psode算法的模糊rbf神经网络非线性系统辨识_第3页
基于c-psode算法的模糊rbf神经网络非线性系统辨识_第4页
基于c-psode算法的模糊rbf神经网络非线性系统辨识_第5页
资源描述:

《基于c-psode算法的模糊rbf神经网络非线性系统辨识》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、西南交通大学硕士研究生学位论文第1V页3.4C.DE算法训练模糊RBF神经网络的实现步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.363.5基于C.DE算法的模糊RBF神经网络非线性系统辨识仿真⋯⋯⋯⋯⋯⋯⋯.373.6仿真对比分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯393.7本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯45第4章基于C.PSODE算法的模糊RBF神经网络非线性系统辨识⋯⋯⋯⋯⋯⋯⋯⋯..464.1弓I言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。464.2C.PSODE算法的

2、原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。464.2.1PSO与DE结合的可行性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯464.2.2C.PSODE算法的实现步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯484.3C.PSODE算法训练模糊RBF神经网络的实现步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.504.4基于C.PSODE算法的模糊RBF网络非线性系统辨识仿真⋯⋯⋯⋯⋯⋯⋯。514.5仿真对比分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.534.6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯55结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

3、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.57致谢⋯⋯⋯⋯.⋯⋯⋯⋯.⋯.⋯⋯⋯.⋯⋯.⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯.⋯⋯.⋯.⋯⋯⋯⋯⋯⋯.⋯⋯⋯..58参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯59攻读硕士学位期间发表的论文⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯64西南交通大学硕士研究生学位论文第1页第1章绪论1.1神经网络非线性系统辨识的研究现状及意义系统辨识作为现代控制理论的三大领域之一,起源于二十世纪六十年代。L.A.Zadeh为系统辨识给出这样的定义:辨识就是在输入和输出数据的基础上,从一组给定的模型中,确定

4、一个与所测系统等价的模型【l】。由此可以看出,系统辨识需要具备三个要素,分别是输入/输出的数据、模型以及等价原则。但是在实际的工作中,要完全准确地从各个方面将一个系统量化为数据模型是非常困难的,我们只能利用现代数学理论和控制理论将待辨识系统按照某种准则近似的建立起某种模型,使之能够最优的拟合待辨识系统的动态特性。研究系统辨识的主要目的可归纳为以下几个方面:(1)系统仿真。分析系统的输入输出数据的映射关系,最有效的途径就是直接地对系统进行实际的操作和观测。但在实际工作中,这种方法往往是不容易实现的。原因有很多,如实验具有一定的危险性;利用实际系统进行实验的费用昂贵;系

5、统可能不稳定等。这就需要我们利用模型对实际系统的映射关系进行辨识,利用辨识模型间接地得到原系统输入输出关系。(2)系统预测。在科研学术、工程实践等各个领域,利用科学的方法掌握系统的发展趋势是一个恒久的课题。正确的对系统进行预测,才能够预先做出相应的决策,做到对系统的可控。这就需要对系统进行辨识,利用现有信息预测系统未来的状态。(3)系统设计和控制。一整套工程设计中,需要掌握系统中所有组成部分的特性,使各部分的特性与整个系统的误差、稳定性等设计要求相适应。显然,只有对各部分建立相应的数学模型,才能够为整个系统的分析和设计提供良好的基础,才能够按照目标对系统进行优化和控

6、制。(4)故障诊断。许多复杂的系统,如飞机、列车、化工及大型机械等,需要时刻监测和分析已经出现或者可能出现的故障,以便快速有效的做出排障处理,这就需要不断的利用系统的实时数据推断系统的动态特性,然后判断是否存在故障以及故障的原因和处理办法等。(5)系统分析。对系统进行辨识就是通过对其建立某种模型将系统的主要特性以及各种因素对系统的影响反映出来,从而为系统分析提供有力的线索和依据。(6)验证机理模型。通过辨识得到的数学模型可以方便地对不同条件、不同输入所对应的输出进行分析和验证,快捷有效地对预设问题的真伪进行验证,同时也能够更加完善地掌握系统的特性。西南交通大学硕士研

7、究生学位论文第2页随着科学技术的发展,系统辨识的应用范围越来越广泛,其不仅被广泛应用于土木、化工、能源等工程领域,同时还扩展到经济、生物、医学等各个学科。正是因为系统辨识巨大的研究价值和发展潜力,系统辨识已发展为现代控制理论的一个研究热点和重点【2】。从辨识对象来说,系统辨识大致可分为线性系统辨识和非线性系统辨识。二十世纪七十年代,线性系统辨识已经发展为一个较为完整的理论体系。当被控对象的数学模型完全已知,有关系统行为的分析、系统状态的观测和估计以及系统的控制等一系列问题都能在这个体系内寻找到解决的途径或方法。然而,无论是在自然界、工程技术以及社会科学等领域,当

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。