基于GA和BP混合算法的水下机器人系统建模

摘要

借鉴Jotdan和Elman神经网络的优点，构造一种新型的动态神经网络。将基于遗传算法(GA)和误差反传算法(BP)的混合算法用于神经网络的权值调整。为了提高收敛速度，避免系统陷于局部极小值。将改进的神经网络应用于水下机器人系统建模。仿真结果表明，该网络能对隐含层的历史状态进行记忆，并实现在线调整历史信号对当前值的影响，并且增加了输出层节点的反馈以增强神经网络的信号处理能力。基于混合算法的神经网络提高了学习的收敛速度和辨识精度。