發(fā)布時間：2020-12-25 20:31

　　近些年來,科技的迅猛發(fā)展,使系統辨識向著更為復雜,更加嚴密的方向發(fā)展。模糊RBF（radial basis function,RBF）網絡非線性系統辨識,融合了神經網絡和模糊邏輯兩者的長處,展現出了強大的非線性映射能力。但是因為訓練模糊RBF網絡的傳統算法存在極易陷入局部極小值、早熟和辨識精度不理想等問題,所以針對這些問題進行了研究。首先,本文介紹了模糊RBF神經網絡的結構以及辨識原理。針對在模糊RBF神經網絡中廣泛使用的最多的方法——遺傳算法和BP算法存在的收斂慢、容易陷入局部極值以及辨識精度不高的缺點,提出一種基于差分進化算法（Differential Evolution Algorithm,DE）的模糊RBF網絡進行非線性系統辨識的新方法。差分進化算法是一種強大的全局優(yōu)化搜索方法。差分進化算法收斂快、實現簡單,穩(wěn)定性極強,所需領域知識少,非常適合解決復雜的尋優(yōu)問題。然后,為了克服在模糊RBF網絡系統辨識中梯度對網絡權重變化的影響,用局部快速學習方法RPROP算法與差分進化算法組合成的——RPROP-DE算法訓練模糊RBF神經網絡,RPROP算法不受梯度值對權重改變的影響,而只是決... 

【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校

【文章頁數】：71 頁

【學位級別】：碩士

【部分圖文】：

模糊RBF神經網絡結構圖

模糊R13F網絡辨識結構

”J日‘吧一圖2一3梯度卜降算法流程圖梯度下降算法優(yōu)化模糊RBF神經網絡的流程圖如圖2一3所示。梯度下降算法訓練模糊RBF網絡的實現步驟為:隨機產生模糊徑向基函數網絡清晰化層的權值以及隸屬度的中心和寬度，輸入訓練樣木。2·計算網絡辨識誤差。(k)，即可得到網絡辨識的[{1標E一l。(k)3.通過第3步得到的模糊神經網絡辨識的目標來調整清晰化層網絡權值。4.反向傳播，調整模糊尺即神經網絡中高斯型隸屬函數的，卜自值和寬度值。5.檢查是否達到預先設定好的網絡辨識日標。若達到指定的辨識卜!標則保留網絡權

【參考文獻】：
期刊論文
[1]非線性系統模糊神經網絡控制的改進策略[J]. 趙俊,陳建軍.  控制理論與應用. 2010(04)
[2]非線性系統辨識方法研究[J]. 徐小平,錢富才,王峰.  計算機工程與應用. 2010(06)
[3]基于T-S模型的模糊系統辨識方法綜述[J]. 蔣強,肖建,何都益,蔣偉,王夢玲.  計算機應用研究. 2009(06)
[4]BP神經網絡的聯合優(yōu)化算法[J]. 孫娓娓,劉瓊蓀.  計算機工程與應用. 2009(12)
[5]基于導數優(yōu)化的BP學習算法的研究綜述[J]. 張芳芳,賀娟,李明軍.  計算機應用研究. 2009(03)
[6]遺傳算法研究綜述[J]. 葛繼科,邱玉輝,吳春明,蒲國林.  計算機應用研究. 2008(10)
[7]混沌直擴信號擴頻序列盲估計[J]. 胡進峰,郭靜波.  電子與信息學報. 2008(08)
[8]基于PSO的RBF神經網絡在熱工系統辨識中的應用[J]. 王學厚,韓璞,李巖,賈增周.  華北電力大學學報(自然科學版). 2008(01)
[9]基于對角遞歸神經網絡系統辨識及應用[J]. 于海波,馬翠紅.  微計算機信息. 2007(31)
[10]基于蟻群聚類算法的非線性系統辨識[J]. 趙寶江,李士勇.  控制與決策. 2007(10)

碩士論文
[1]基于遺傳算法優(yōu)化的智能控制研究[D]. 張茜.中國石油大學 2010
[2]基于神經網絡的人臉識別技術研究[D]. 邵長斌.江南大學 2009
[3]模糊RBF網絡的研究和應用[D]. 范傳柱.安徽理工大學 2009
[4]基于遺傳進化神經網絡的人民幣號碼識別方法研究[D]. 張璐璐.吉林大學 2009
[5]基于RPROP-SVR混合算法的DRNN網絡非線性系統辨識[D]. 王曉燕.西南交通大學 2009
[6]BP神經網絡的算法改進及應用研究[D]. 孫娓娓.重慶大學 2009
[7]差分進化算法及其在氣動優(yōu)化設計中的應用[D]. 張越.上海交通大學 2009
[8]差分進化算法及其在指數復制中的應用[D]. 雍開伏.華中科技大學 2008
[9]ERP中銷售管理系統的擴展設計研究與實踐[D]. 王鵬鵬.廣西大學 2008
[10]差分進化算法及其應用研究[D]. 寧桂英.廣西民族大學 2008



本文編號：2938344