【摘要】：非線性系統(tǒng)辨識問題一直是控制領(lǐng)域研究的熱點(diǎn)和難點(diǎn)。遞歸神經(jīng)網(wǎng)絡(luò)因其特有的反饋特性更適用于非線性動態(tài)系統(tǒng)辨識。在遞歸神經(jīng)網(wǎng)絡(luò)中,對角遞歸神經(jīng)網(wǎng)絡(luò)(Diagonal Recurrent Neural Network, DRNN)可以更直接的反映系統(tǒng)的動態(tài)特性,簡單易實(shí)現(xiàn),又有適應(yīng)時變特性的能力。但是訓(xùn)練DRNN網(wǎng)絡(luò)最常用的BP算法存在辨識精度不高且收斂速度慢等問題,不少學(xué)者提出了改進(jìn)算法,并有了一定的研究成果。為了進(jìn)一步的提高收斂速度以及辨識精度,本文采用改進(jìn)的生物地理學(xué)優(yōu)化算法進(jìn)行對角遞歸神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識研究。 本文引入生物地理學(xué)優(yōu)化算法(Biogeography-Based Optimization,BBO)訓(xùn)練對角遞歸神經(jīng)網(wǎng)絡(luò)初始權(quán)值。為了驗證生物地理學(xué)優(yōu)化算法用于訓(xùn)練對角遞歸神經(jīng)網(wǎng)絡(luò)的有效性,分別采用基于BP算法、遺傳算法(Genetic Algorithm,GA)、BBO算法的DRNN網(wǎng)絡(luò)進(jìn)行非線性系統(tǒng)辨識。將各辨識結(jié)果進(jìn)行比較得出：基于BBO算法的辨識誤差以及辨識精度均要好于BP算法以及GA算法,表明了基于BBO算法的DRNN網(wǎng)絡(luò)非線性系統(tǒng)辨識的有效性。 針對生物地理學(xué)優(yōu)化算法搜索能力弱、易出現(xiàn)早熟現(xiàn)象、易陷入局部最優(yōu)等缺點(diǎn),采用差分進(jìn)化算法(Differential Evolution Algorithm,DE)的差分變異算子與BBO算法的遷移算子相結(jié)合,得到混合BBO-DE算法優(yōu)化DRNN網(wǎng)絡(luò)初始權(quán)值。通過與BBO算法以及DE算法對比分析,表明基于BBO-DE算法的DRNN網(wǎng)絡(luò)非線性系統(tǒng)辨識是有效的。 為了進(jìn)一步增強(qiáng)BBO-DE算法的搜索能力,采用一種基于非均勻變異算子的BBO-DE算法(簡稱nDEBBO算法)。采用nDEBBO算法優(yōu)化DRNN網(wǎng)絡(luò)初始權(quán)值,為了表明基于nDEBBO算法的DRNN網(wǎng)絡(luò)非線性系統(tǒng)辨識的優(yōu)越性,將其與BBO-DE算法以及文獻(xiàn)20所提出的DE-Simplex算法進(jìn)行對比分析。 最后,在訓(xùn)練DRNN網(wǎng)絡(luò)過程中,為避免梯度大小對網(wǎng)絡(luò)權(quán)值改變的影響,采用RPROP算法與nDEBBO算法相結(jié)合得到R-nDEBBO算法,將該算法訓(xùn)練DRNN網(wǎng)絡(luò),并應(yīng)用于非線性系統(tǒng)辨識。通過與：DEBBO算法對比分析,驗證其優(yōu)越性,而且RPROP算法的引入,縮短了訓(xùn)練時間。
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：N945.14;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 段慧達(dá),鄭德玲,劉聰;基于對角遞歸神經(jīng)網(wǎng)絡(luò)的建模及應(yīng)用[J];北京科技大學(xué)學(xué)報;2004年01期

2 張治國,楊毅恒,夏立顯;RPROP算法在測井巖性識別中的應(yīng)用[J];吉林大學(xué)學(xué)報(地球科學(xué)版);2005年03期

3 李鴻儒,顧樹生,鄧長輝;遞歸神經(jīng)網(wǎng)絡(luò)的RPE算法及其在非線性動態(tài)系統(tǒng)建模中的應(yīng)用[J];東北大學(xué)學(xué)報;2000年06期

4 徐志鈕,律方成,趙麗娟;基于RPROP算法的變壓器油中溶解氣體分析故障診斷[J];電力科學(xué)與工程;2005年02期

5 馬海平;李雪;林升東;;生物地理學(xué)優(yōu)化算法的遷移率模型分析[J];東南大學(xué)學(xué)報(自然科學(xué)版);2009年S1期

6 張欣;;基于DRNN的傳感器的建模研究[J];電腦開發(fā)與應(yīng)用;2008年10期

7 王智琳;李彥;劉金保;;基于GA的DRNN-PID算法在多電機(jī)系統(tǒng)中的應(yīng)用[J];電子設(shè)計工程;2012年01期

8 李靜文;趙晉泉;張勇;;基于改進(jìn)差分進(jìn)化-生物地理學(xué)優(yōu)化算法的最優(yōu)潮流問題[J];電網(wǎng)技術(shù);2012年09期

9 李翔碩;王淳;;基于生物地理學(xué)優(yōu)化算法的輸電網(wǎng)絡(luò)規(guī)劃[J];電網(wǎng)技術(shù);2013年02期

10 王雪飛;;一種基于神經(jīng)網(wǎng)絡(luò)的非線性時變系統(tǒng)仿真建模方法[J];計算機(jī)研究與發(fā)展;2006年07期

相關(guān)博士學(xué)位論文 前1條

1 韓旭明;若干改進(jìn)的人工免疫算法及其在大氣環(huán)境領(lǐng)域中的應(yīng)用[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前1條

1 戴晟;基于DE算法的DRNN網(wǎng)絡(luò)非線性系統(tǒng)辨識研究[D];西南交通大學(xué);2011年

本文編號：2774861