基于QPSO小波神经网络控制器设计与研究

来源 :哈尔滨理工大学 | 被引量 : 0次 | 上传用户:aini412319016
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
小波神经网络是将人工神经网络与小波分析理论基础相结合共同建立的一种新型神经网络,它结合了人工神经网络与小波分析的优点。首先,时频局部化这一小波变换的重要特性被充分利用;其次,人工神经网络充分发挥自身的学习能力,进而将容错能力和比较强的逼近能力充分体现出来。但是人工神经网络与小波分析结合时会对小波神经网络自身的结构产生影响,导致在小波神经网络模型中易于出现陷入局部极小或不收敛等问题。文中首先对小波神经网络的学习算法和结构特性进行了研究。在研究算法的过程中,发现小波神经网络的传统训练算法有许多不足,为了改进传统算法,文中提出了量子行为粒子群算法(Quantum-behaved Particle SwarmAlgorithm),并且简要分析了QPSO算法的基本原理与和基本流程;研究了QPSO算法的优势,将量子δ势阱模型作为QPSO算法的基本形式,设计出粒子位置的概率密度函数和波函数;又对QPSO算法的收敛性进行了研究。在判断QPSO算法的收敛性时, QPSO算法的基本进化方程将依照Monte Carlo方法推导出来;判断出粒子在基本进化方程中的收敛问后题,得出两种较好的搜索策略,从而进一步得出完整的算法流程。最后又对QPSO算法与PSO算法进行比较分析,得出量子行为粒子群算法的优点。其次,根据研究内容分析设计出性能良好的小波控制器。在QPSO算法中加入学习因子、进化速度和粒子聚集度等参数,并对QPSO算法的参数迭代更新加以完善,使控制参数增加,从而获得完善的小波神经网络训练结果,再利用量子行为粒子群算法优化小波神经网络控制器。最后,通过仿真对其性能进行研究。选取最常用的Morlet小波作为小波基函数,并将控制对象选为二级倒立摆,利用软件构建仿真模块。根据仿真实验和实物控制实验能够验证控制器有较强的稳定性和抗干扰能力。
其他文献
学位
机械旋转是现代机械装备的主要工作形式,在化学、航空、电力、军事、汽车等工业领域里得到了广泛的应用。旋转机械系统有原动机、传动机构和负载等组成,当原动机的输出转矩与负载转矩存在转矩差、传动机构由于机械加工精度影响与长期运行磨损及产生故障,轴系就会产生振动和噪声。工程上通常通过对旋转系统轴系的振动和噪声的测量与分析,来辨识旋转系统的运行状态和故障。提高旋转机械系统的故障辨识水平和故障诊断能力对提高机械
多目标跟踪技术作为多传感器信息融合领域的一个研究热点,在军事与民用领域有着广泛的应用。传统多目标跟踪方法以经典概率论为基础,其核心为解决多目标数据关联问题,跟踪过
周期现象,如农作物的轮换耕种、气候的季节变换、人造卫星的绕地转动等,普遍存在于自然界中。由周期参数描述的微分或差分模型已经得到了很多关注。同时,半导体技术和无线通
核电仪控系统(I&C)经历了从模拟仪表到数字化仪表的发展,核电数字化仪控系统在投入使用前必须进过严格的出厂测试,尤其是安全级数字化核仪控系统。安全级数字化核仪控系统由嵌入式板卡模块组合而成。本文主要针对安全级数字化核仪控系统集成测试自动化方法进行研究。自动化测试方法和测试工具是提高自动化测试水平的有效手段,对仪控系统的质量、成本和开发周期会带来显著的效果。本文主要任务是对FirmSys平台的集成测
随着材料科学的发展和制造工艺的创新,树脂基复合材料壳体不仅在传统运输、建筑、化学等领域普及使用,而且在航空航天、能源、汽车等高科技技术领域逐渐被应用,它的高比模量、高
数据中心作为重要的信息化基础设施,在云计算飞速发展的过程中一直处于核心地位。数据中心网络流量与互联网流量有很大不同,新兴的业务致使不同的虚拟机之间产生大量的数据中心
脑-机接口(Brain-Computer Interface,BCI)是一种基于脑电信号(Electroencephalogram,EEG)的人机交互方式,它能够不需要依靠周边的肌肉和神经组织,只依靠脑部信号便可以达到
本文通过神经网络与机理建模方法的结合,建立了核电站一回路系统主要模块的简化数学模型。将核电站一回路系统主要分为反应性估算模块、堆芯动态模块、堆芯换热模型、功率计算
具有众多优点和优良性能的复合材料广泛应用于航空航天、军事、工业、建筑领域。缠绕机是生产复合材料制品的核心设备。四轴缠绕机可实现多种形状的轴对称回转体缠绕,因此获得