基于RPROP-DE算法的模糊RBF网络非线性系统辨识

发布时间：2020-12-25 20:31

　　近些年来,科技的迅猛发展,使系统辨识向着更为复杂,更加严密的方向发展。模糊RBF（radial basis function,RBF）网络非线性系统辨识,融合了神经网络和模糊逻辑两者的长处,展现出了强大的非线性映射能力。但是因为训练模糊RBF网络的传统算法存在极易陷入局部极小值、早熟和辨识精度不理想等问题,所以针对这些问题进行了研究。首先,本文介绍了模糊RBF神经网络的结构以及辨识原理。针对在模糊RBF神经网络中广泛使用的最多的方法——遗传算法和BP算法存在的收敛慢、容易陷入局部极值以及辨识精度不高的缺点,提出一种基于差分进化算法（Differential Evolution Algorithm,DE）的模糊RBF网络进行非线性系统辨识的新方法。差分进化算法是一种强大的全局优化搜索方法。差分进化算法收敛快、实现简单,稳定性极强,所需领域知识少,非常适合解决复杂的寻优问题。然后,为了克服在模糊RBF网络系统辨识中梯度对网络权重变化的影响,用局部快速学习方法RPROP算法与差分进化算法组合成的——RPROP-DE算法训练模糊RBF神经网络,RPROP算法不受梯度值对权重改变的影响,而只是决... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

模糊RBF神经网络结构图

模糊R13F网络辨识结构

”J日‘吧一图2一3梯度卜降算法流程图梯度下降算法优化模糊RBF神经网络的流程图如图2一3所示。梯度下降算法训练模糊RBF网络的实现步骤为:随机产生模糊径向基函数网络清晰化层的权值以及隶属度的中心和宽度，输入训练样木。2·计算网络辨识误差。(k)，即可得到网络辨识的[{1标E一l。(k)3.通过第3步得到的模糊神经网络辨识的目标来调整清晰化层网络权值。4.反向传播，调整模糊尺即神经网络中高斯型隶属函数的，卜自值和宽度值。5.检查是否达到预先设定好的网络辨识日标。若达到指定的辨识卜!标则保留网络权

【参考文献】：
期刊论文
[1]非线性系统模糊神经网络控制的改进策略[J]. 赵俊,陈建军.  控制理论与应用. 2010(04)
[2]非线性系统辨识方法研究[J]. 徐小平,钱富才,王峰.  计算机工程与应用. 2010(06)
[3]基于T-S模型的模糊系统辨识方法综述[J]. 蒋强,肖建,何都益,蒋伟,王梦玲.  计算机应用研究. 2009(06)
[4]BP神经网络的联合优化算法[J]. 孙娓娓,刘琼荪.  计算机工程与应用. 2009(12)
[5]基于导数优化的BP学习算法的研究综述[J]. 张芳芳,贺娟,李明军.  计算机应用研究. 2009(03)
[6]遗传算法研究综述[J]. 葛继科,邱玉辉,吴春明,蒲国林.  计算机应用研究. 2008(10)
[7]混沌直扩信号扩频序列盲估计[J]. 胡进峰,郭静波.  电子与信息学报. 2008(08)
[8]基于PSO的RBF神经网络在热工系统辨识中的应用[J]. 王学厚,韩璞,李岩,贾增周.  华北电力大学学报(自然科学版). 2008(01)
[9]基于对角递归神经网络系统辨识及应用[J]. 于海波,马翠红.  微计算机信息. 2007(31)
[10]基于蚁群聚类算法的非线性系统辨识[J]. 赵宝江,李士勇.  控制与决策. 2007(10)

硕士论文
[1]基于遗传算法优化的智能控制研究[D]. 张茜.中国石油大学 2010
[2]基于神经网络的人脸识别技术研究[D]. 邵长斌.江南大学 2009
[3]模糊RBF网络的研究和应用[D]. 范传柱.安徽理工大学 2009
[4]基于遗传进化神经网络的人民币号码识别方法研究[D]. 张璐璐.吉林大学 2009
[5]基于RPROP-SVR混合算法的DRNN网络非线性系统辨识[D]. 王晓燕.西南交通大学 2009
[6]BP神经网络的算法改进及应用研究[D]. 孙娓娓.重庆大学 2009
[7]差分进化算法及其在气动优化设计中的应用[D]. 张越.上海交通大学 2009
[8]差分进化算法及其在指数复制中的应用[D]. 雍开伏.华中科技大学 2008
[9]ERP中销售管理系统的扩展设计研究与实践[D]. 王鹏鹏.广西大学 2008
[10]差分进化算法及其应用研究[D]. 宁桂英.广西民族大学 2008



本文编号：2938344