本文關(guān)鍵詞：基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺(tái)系統(tǒng)辨識(shí)，由筆耕文化傳播整理發(fā)布。

系統(tǒng)辨識(shí)論文綜述 投稿：崔屧屨

北京信息科技大學(xué) 系統(tǒng)辨識(shí)論文綜述 姓名：劉新菊 班級(jí)：研1206 學(xué)號(hào)：2012020176 專(zhuān)業(yè)：模式識(shí)別與智能系統(tǒng) 2012年—2013年第二學(xué)期 題名：基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺(tái)系統(tǒng)辨識(shí) 本文作者：楊維新，唐伶俐，汪超亮，李子揚(yáng) 摘…

語(yǔ)文不同文體的導(dǎo)入方法 （一）、根據(jù)文章體裁，選好教學(xué)的切入點(diǎn)，從而設(shè)計(jì)課堂導(dǎo)語(yǔ)。我們從各種文體導(dǎo)語(yǔ)設(shè)計(jì)緣起、具體案例加以闡釋?zhuān)η髮?dǎo)語(yǔ)設(shè)計(jì)起到思維定向、內(nèi)容定旨、情感定調(diào)的作用，進(jìn)而實(shí)現(xiàn)教學(xué)優(yōu)質(zhì)高效。 “課堂教學(xué)導(dǎo)入”，是指引起學(xué)生注意、激發(fā)學(xué)生興…

據(jù)專(zhuān)家介紹，霧氣看似溫和，里面卻含有各種對(duì) 人體有害的細(xì)顆粒、有毒物質(zhì)達(dá)20多種，包括了酸、堿、鹽、胺、酚等，以及塵埃、花粉、螨蟲(chóng)、流感病毒、結(jié)核桿菌、肺炎球菌等，其含量是普通大氣水滴的幾十倍。大霧究竟對(duì)人體健康會(huì)帶來(lái)哪些影響？ 霧霾天氣對(duì)人體的主要…

北京信息科技大學(xué)

系統(tǒng)辨識(shí)論文綜述

姓名：劉新菊

班級(jí)：研1206

學(xué)號(hào)：2012020176

專(zhuān)業(yè)：模式識(shí)別與智能系統(tǒng)

2012年—2013年第二學(xué)期

題名：基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺(tái)系統(tǒng)辨識(shí)

本文作者：楊維新，唐伶俐，汪超亮，李子揚(yáng)

摘要：針對(duì)光電穩(wěn)定平臺(tái)系統(tǒng)不能對(duì)航空平臺(tái)姿態(tài)高頻變化進(jìn)行實(shí)時(shí)精確補(bǔ)償，系統(tǒng)補(bǔ)償特性不能精確獲知的問(wèn)題，提出了一種自適應(yīng)差分遺傳小波神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)方法。該方法首先采用小波函數(shù)作為神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)，提高了神經(jīng)網(wǎng)絡(luò)的泛化能力和逼近能力; 其次，對(duì)小波神經(jīng)網(wǎng)絡(luò)參數(shù)和結(jié)構(gòu)進(jìn)行染色體編碼，用遺傳算法解決了小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不易確定的問(wèn)題; 最后，采用自適應(yīng)法計(jì)算交叉率和變異率，并利用差分變異方法重組染色體，提高了系統(tǒng)辨識(shí)的收斂速度。為了檢驗(yàn)該方法的辨識(shí)效果，采用無(wú)人機(jī)外場(chǎng)試驗(yàn)數(shù)據(jù)對(duì)光電穩(wěn)定平臺(tái)系統(tǒng)進(jìn)行辨識(shí)，辨識(shí)結(jié)果表明，該方法可有效地辨識(shí)出光電穩(wěn)定平臺(tái)系統(tǒng)。

關(guān)鍵詞: 遺傳算法; 小波神經(jīng)網(wǎng)絡(luò); 光電穩(wěn)定平臺(tái); 系統(tǒng)辨識(shí)

1.引言：

航空遙感載荷在成像過(guò)程中，因搭載載荷的平臺(tái)受到大氣紊流、發(fā)動(dòng)機(jī)振動(dòng)等影響，導(dǎo)致載荷姿態(tài)發(fā)生快速的變化，致使獲取的航空遙感圖像出現(xiàn)扭曲、模糊等退化現(xiàn)象。為了減少載荷姿態(tài)變化對(duì)成像質(zhì)量的影響，通常裝配光電穩(wěn)定平臺(tái)對(duì)航空平臺(tái)的姿態(tài)變化進(jìn)行實(shí)時(shí)補(bǔ)償，為遙感載荷成像提供一個(gè)相對(duì)平穩(wěn)的數(shù)據(jù)獲取環(huán)境，以獲取高質(zhì)量的航空遙感載荷數(shù)據(jù)。然而，，光電穩(wěn)定平臺(tái)系統(tǒng)受到機(jī)械傳動(dòng)等因素的限制，可完全補(bǔ)償航空平臺(tái)姿態(tài)頻率范圍較小，同時(shí)航空平臺(tái)姿態(tài)變化頻率范圍通常高于光電穩(wěn)定平臺(tái)可完全補(bǔ)償?shù)纳舷拗担沟脽o(wú)法獲取光電穩(wěn)定平臺(tái)對(duì)航空平臺(tái)高頻姿態(tài)的精確補(bǔ)償值，進(jìn)而不能準(zhǔn)確確定成像時(shí)刻相機(jī)的姿態(tài)。究其原因，是因?yàn)楣怆姺�(wěn)定平臺(tái)在航空平臺(tái)姿態(tài)變化全頻率范圍的系統(tǒng)補(bǔ)償特性是未知的。因此，為了獲取成像時(shí)刻準(zhǔn)確的載荷姿態(tài)，提高航空遙感圖像后處理精度，必須對(duì)光電穩(wěn)定平臺(tái)系統(tǒng)進(jìn)行全頻率范圍內(nèi)辨識(shí)。光電穩(wěn)定平臺(tái)系統(tǒng)是復(fù)雜的非線性系統(tǒng)，對(duì)于非線性系統(tǒng)辨識(shí)國(guó)內(nèi)外學(xué)者提出了很多智能辨識(shí)方法，如ARMA( autoregressive moving average) 模型系統(tǒng)辨識(shí)方法、模糊邏輯算法、神經(jīng)網(wǎng)絡(luò)方法遺傳算法和小波分析方法等。為了能更好的辨識(shí)出非線性系統(tǒng)，人們將各智能算法有效地結(jié)合，提出了如模糊神經(jīng)網(wǎng)絡(luò)方法、遺傳神經(jīng)網(wǎng)絡(luò)方法、小波神經(jīng)網(wǎng)絡(luò)方法等。其中，小波神經(jīng)網(wǎng)絡(luò)方法因具有良好的時(shí)頻特性、多尺度分辨能力、較強(qiáng)的逼近能力和容錯(cuò)能力，能夠解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法學(xué)習(xí)

收斂速度慢、易陷入局部最小值和過(guò)擬合等問(wèn)題，因而在系統(tǒng)辨識(shí)中得到了廣泛地應(yīng)用。然而，小波神經(jīng)網(wǎng)絡(luò)方法存在隱層節(jié)點(diǎn)數(shù)不易確定的缺點(diǎn)，通常解決的辦法是采用試湊法，但收斂速度較慢，且不易求出最優(yōu)解。為了解決該問(wèn)題，人們將遺傳算法引入到小波神經(jīng)網(wǎng)絡(luò)，提出了遺傳算法小波神經(jīng)網(wǎng)絡(luò)。為了能快速、高效地辨識(shí)出光電穩(wěn)定平臺(tái)系統(tǒng)，本文提出了基于自適應(yīng)差分進(jìn)化遺傳小波神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)算法。該算法具有遺傳算法、小波分析方法、神經(jīng)網(wǎng)絡(luò)方法的優(yōu)點(diǎn)，同時(shí)，為了提高對(duì)光電穩(wěn)定平臺(tái)系統(tǒng)的辨識(shí)效率，采用自適應(yīng)差分算法求解遺傳變異時(shí)每代種群最優(yōu)交叉率和變異率。最后，為了驗(yàn)證該算法的辨識(shí)效果，將無(wú)人機(jī)外場(chǎng)獲取的試驗(yàn)數(shù)據(jù)對(duì)光電穩(wěn)定平臺(tái)系統(tǒng)進(jìn)行辨識(shí)，辨識(shí)結(jié)果表明，該算法可有效地辨識(shí)出光電穩(wěn)定平臺(tái)系統(tǒng)。

2.基于 ADEGAWNN 的光電穩(wěn)定平臺(tái)系統(tǒng)辨識(shí)

預(yù)使用 ADEGAWNN 算法對(duì)光電穩(wěn)定平臺(tái)系統(tǒng)進(jìn)行辨識(shí)，首先需確定光電穩(wěn)定平臺(tái)系統(tǒng)的輸入輸出數(shù)據(jù)，并進(jìn)行相應(yīng)的預(yù)處理，其次初步確定小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，最后對(duì)系統(tǒng)進(jìn)行訓(xùn)練和辨識(shí)。

3.辨識(shí)方法驗(yàn)證及分析

為了驗(yàn)證本文提出算法的有效性，對(duì)某次無(wú)人機(jī)外場(chǎng)試驗(yàn)獲取的 POS 姿態(tài)數(shù)據(jù)和光電穩(wěn)定平臺(tái)記錄數(shù)據(jù)，進(jìn)行訓(xùn)練和驗(yàn)證。對(duì)預(yù)處理后獲得的 480181 組數(shù)據(jù)樣本進(jìn)行分析，發(fā)現(xiàn)姿態(tài)角變化范圍較大，為了簡(jiǎn)化系統(tǒng)辨識(shí)的復(fù)雜度，并且不失一般性解決系統(tǒng)辨識(shí)問(wèn)題，首先隨機(jī)選取 1 000 組數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練，分別對(duì)光電穩(wěn)定平臺(tái)俯仰、橫滾和偏航 3 個(gè)分系統(tǒng)進(jìn)行訓(xùn)練。根據(jù)訓(xùn)練后隱層節(jié)點(diǎn)的特征系數(shù)，確定了俯仰、橫滾和偏航 3 個(gè)分系統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)隱層節(jié)點(diǎn)數(shù)分別為 4、4、12，即對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分別為 3-4-1，3-4-1，3-12-1。 將 200 組校驗(yàn)樣本對(duì)分別輸入 3 個(gè)分系統(tǒng)，為了直觀顯示采用本文提出算法對(duì)光電穩(wěn)定平臺(tái)的辨識(shí)效果，將真實(shí)值和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值進(jìn)行比較和分析，并繪出相應(yīng)的誤差曲線，如圖 3 ～ 8 所示。由圖可見(jiàn)，采用小波神經(jīng)網(wǎng)絡(luò)對(duì)光電穩(wěn)定平臺(tái)系統(tǒng)預(yù)測(cè)值和真實(shí)值逼近效果較好，為了定量的描述系統(tǒng)辨識(shí)效果，計(jì)算辨識(shí)后 3 個(gè)系統(tǒng)的平均絕對(duì)誤差、最大絕對(duì)誤差，最大相對(duì)誤差、均方差和辨識(shí)系統(tǒng)的適應(yīng)度函數(shù)，結(jié)果如表 1 所示。從表 1 可見(jiàn)，各分系統(tǒng)預(yù)測(cè)的最大誤差 較 小 (優(yōu)于光電穩(wěn)定平臺(tái)設(shè)計(jì)的標(biāo)定誤差0．05 °) ，辨識(shí)系統(tǒng)的適應(yīng)度值優(yōu)

于設(shè)定值。所以，采用自適應(yīng)差分進(jìn)化遺傳小波神經(jīng)網(wǎng)絡(luò)可以較好地辨識(shí)出光電穩(wěn)定平臺(tái)的動(dòng)態(tài)補(bǔ)償系統(tǒng)。

結(jié)論：

本文結(jié)合遺傳算法的全局搜索能力和小波神經(jīng)網(wǎng)絡(luò)快速高精度的特點(diǎn)，提出了一種基于自適應(yīng)差分進(jìn)化遺傳算法的小波神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)方法。該方法具有快速的學(xué)習(xí)能力、較強(qiáng)的泛化能力、容錯(cuò)能力、逼近能力和全局尋優(yōu)能力，能有效解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不易確定和易陷入局部最小值的問(wèn)題，快速高效地辨識(shí)出非線性系統(tǒng)。為了驗(yàn)證該系統(tǒng)辨識(shí)算法的效果，對(duì)無(wú)人機(jī)搭載的光電穩(wěn)定平臺(tái)的俯仰、橫滾和偏航補(bǔ)償系統(tǒng)分別進(jìn)行了辨識(shí)。辨識(shí)結(jié)果表明，該系統(tǒng)辨識(shí)方法具有精度高、魯棒性強(qiáng)及收斂性好等優(yōu)點(diǎn)。

參考文獻(xiàn)：

［1］ 周曉堯，范大鵬，張智永，等． 光電伺服控制系統(tǒng)多回路內(nèi)模控制器分析與設(shè)計(jì)［J］． 紅外與激光工程，2011，40( 10) : 2020-2027．ZHOU X Y，F(xiàn)AN D P，ZHANG ZH Y，et al． Analysis and design of multi loop IMC controller for electro-optical serve control systems［J］． Infrared and Laser Engineering，2011，40( 10) : 2020-2027．

［2］ 李嘉全，丁策，孔德杰，等． 基于速度信號(hào)的擾動(dòng)觀測(cè)器及在光電穩(wěn)定平臺(tái)的應(yīng)用［J］． 光學(xué) 精密工程，2011，19( 5) : 998-1004．LI J Q，DING C，KONG D J，et al． Velocity based disturbance observer and its application to photoelectric stabilized platform ［J］． Optics and Precision Engineering，2011，19( 5) : 998-1004．

［3］ 陳在平，李興軍，董恩增，等． 基于改進(jìn) ARMA 模型的

管式加熱爐氧含量辨識(shí)與建模［J］． 儀器儀表學(xué)報(bào)，2011，32( 5) : 1015-1020．CHEN Z P，LI X J，DONG EN Z，et al． Identification and modeling of tubular-furnace oxygen content based on improved ARMA model［J］． Chinese Journal of Scientific Instrument，2011，32( 5) : 1015-1020．

［4］ EKSIN I，EROL O K． A fuzzy identification method for nonlinear systems［J］． Turk J． Elec． Engin． ，2000，8( 2) :125-135．

［5］ KIM I H，F(xiàn)OK S，F(xiàn)REGENE K，et al． Neural network based system identification and controller synthesis for an industrial sewing machine［J］． International Journal of Control，Automation，and Systems，2004，2( 1) : 83-91．

北京信息科技大學(xué) 系統(tǒng)辨識(shí)論文綜述 姓名：劉新菊 班級(jí)：研1206 學(xué)號(hào)：2012020176 專(zhuān)業(yè)：模式識(shí)別與智能系統(tǒng) 2012年—2013年第二學(xué)期 題名：基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺(tái)系統(tǒng)辨識(shí) 本文作者：楊維新，唐伶俐，汪超亮，李子揚(yáng) 摘…

北京信息科技大學(xué) 系統(tǒng)辨識(shí)論文綜述 姓名：劉新菊 班級(jí)：研1206 學(xué)號(hào)：2012020176 專(zhuān)業(yè)：模式識(shí)別與智能系統(tǒng) 2012年—2013年第二學(xué)期 題名：基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺(tái)系統(tǒng)辨識(shí) 本文作者：楊維新，唐伶俐，汪超亮，李子揚(yáng) 摘…

北京信息科技大學(xué) 系統(tǒng)辨識(shí)論文綜述 姓名：劉新菊 班級(jí)：研1206 學(xué)號(hào)：2012020176 專(zhuān)業(yè)：模式識(shí)別與智能系統(tǒng) 2012年—2013年第二學(xué)期 題名：基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺(tái)系統(tǒng)辨識(shí) 本文作者：楊維新，唐伶俐，汪超亮，李子揚(yáng) 摘…

>> 查看更多相關(guān)文檔

  本文關(guān)鍵詞：基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺(tái)系統(tǒng)辨識(shí)，由筆耕文化傳播整理發(fā)布。