一种小波网络的快速算法及其在控制中的应用

摘要

本文详细介绍了小波网络的产生和发展，小波网络的结构特点、学习算法以及在控制领域的应用。对小波网络的初始参数选取，隐节点的选取，并对小波网络和神经网络进行了比较，从中不难看出小波网络用于非线性动态系统中的建模和控制领域中的优势。　　本文将离散正交小波网络和连续参数小波网络的算法进行了归纳和分析，详细介绍了梯度下降法、PIDBP算法、Lenvenberg-Marquardt混合算法、Gauss-Newton类算法(卡尔曼滤波算法、预报误差法)在小波网络中的应用。并针对小波网络优化问题，介绍了正交方法的网络优化法、基于AIC方法MGS优化方法；同时对对上述算法进行了分析。此外结合连续参数小波网络，提出一种BFGS+LS算法，该算法训练网络具有快速性和稳定性，并通过仿真实例进行了说明。　　针对以上结果，将小波网络用于模型参考自适应控制，就基于小波网络的PID自整定控制和模型参考自适应控制方法进行了理论探讨和仿真试验，并就两种控制方案的跟踪性能、抗干扰能力和鲁棒性能进行了分析和比较。最后以CSTR为控制实例，应用前面所探讨基于模型参考的自适应控制策略，并与PI控制方案进行了对比，仿真取得了较满意的结果，并就仿真结果进行了分析。

目录

文摘

英文文摘

独创性说明和大连理工大学学位论文版权使用授权书

引言

1小波分析与小波网络

1.1小波分析

1.1.1小波分析的发展及应用

1.1.2小波及小波变换理论

1.2小波网络

1.2.1小波网络的产生与发展

1.2.2小波网络的分类

1.2.3小波网络和神经网络比较

1.3小波网络在控制系统中的应用

1.3.1系统辨识和建模

1.3.2系统控制

2小波网络的结构及其学习算法

2.1引言

2.2连续参数小波网络

2.2.1连续小波网络的结构

2.2.2小波网络参数的梯度下降训练算法

2.2.3小波网络参数的BFGS+LS算法

2.2.4学习增益可调的带动量项的PIDBP训练算法

2.2.5基于Levenberg-Marquardt算法和LS的混合学习方法

2.2.6基于结合AIC的MGS算法

2.2.7连续小波网络权值的初始化

2.3离散正交小波网络

2.3.1小波神经元的优化

2.3.2基于滤波思想的网络学习过程

2.3.3基于预报误差法(RPE)的训练算法

2.4仿真试验

2.5总结

3小波网络系统辨识

3.1引言

3.2小波网络的非线性系统的辨识

3.3小结

4小波网络在控制系统中的应用

4.1小波网络自适应控制

4.1.1小波网络直接模型自适应控制

4.1.2间接模型参考自适应控制

4.1.3基于小波网络的自校正控制

4.2内模控制

4.3仿真试验

4.4总结

5典型工业过程CSTR及其控制

5.1引言

5.2小波网络对CSTR系统建模

5.2.1辨识数据的选取

5.2.2辨识器结构和辨识网络模型的选择

5.3基于小波网络的MRAC在CSTR中的应用

结 论

参考文献

附录A CSTR模型仿真图

攻读硕士学位期间发表学术论文情况

致 谢