U-D分解渐消记忆滤波神经网络控制器在船舶操纵中的应用

摘要

针对前馈网络BP算法所存在的收敛速度慢且常遇局部极小值等缺陷,提出一种基于U-D分解的渐消记忆推广Kalman滤波学习新方法.与EKF相比,该方法不仅大大加快了学习收敛速度、数值稳定性好,而且比BP算法需较少学习次数和隐节点数,学习效果也更好.将这种学习算法应用在船舶操纵的神经网络控制器中,仿真结果表明该方法是提高网络学习速度、改善学习效果的一种有效方法,可有效解决非线性系统的控制问题.