本文關(guān)鍵詞：小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運(yùn)動(dòng)控制應(yīng)用研究

  更多相關(guān)文章： 小波神經(jīng)網(wǎng)絡(luò) 船舶運(yùn)動(dòng)控制 靈敏度分析 Akaike信息準(zhǔn)則 預(yù)測(cè)控制

【摘要】：小波神經(jīng)網(wǎng)絡(luò)結(jié)合了神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)、魯棒性、容錯(cuò)性和泛化推廣能力以及小波變換的時(shí)頻局部和變焦等特性,具有全局最優(yōu)逼近和運(yùn)算速度快等優(yōu)點(diǎn),避免了BP網(wǎng)絡(luò)等傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)類型在這些方面的不足,已成功應(yīng)用于系統(tǒng)辨識(shí)、模式識(shí)別和控制等領(lǐng)域。在實(shí)際應(yīng)用中,小波神經(jīng)網(wǎng)絡(luò)尚存在對(duì)系統(tǒng)動(dòng)態(tài)反映能力不足以及泛化能力難以保證等問(wèn)題,制約了其在實(shí)際工程中的應(yīng)用。 為了提高小波神經(jīng)網(wǎng)絡(luò)的泛化能力,提出基于Akaike信息準(zhǔn)則改進(jìn)的余值選擇算法。通過(guò)設(shè)定最優(yōu)學(xué)習(xí)停止標(biāo)準(zhǔn),在保證辨識(shí)精度的同時(shí)精簡(jiǎn)網(wǎng)絡(luò)的規(guī)模,避免了神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)過(guò)程中出現(xiàn)的過(guò)擬和與欠擬合現(xiàn)象,提高了神經(jīng)網(wǎng)絡(luò)的泛化能力。作為小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造算法,余值選擇算法通過(guò)正交選擇方法高效地衡量了隱層節(jié)點(diǎn)對(duì)輸出的貢獻(xiàn),有利于網(wǎng)絡(luò)規(guī)模的自適應(yīng)調(diào)整。仿真實(shí)驗(yàn)表明該算法提高了網(wǎng)絡(luò)的泛化能力。 為了更好地反映系統(tǒng)動(dòng)態(tài)的變化,將系統(tǒng)歷史信息引入網(wǎng)絡(luò)輸入層構(gòu)造時(shí)滯小波神經(jīng)網(wǎng)絡(luò)模型,為彌補(bǔ)由此帶來(lái)的輸入變量膨脹的缺陷,利用基于相對(duì)貢獻(xiàn)率的靈敏度分析方法確定與系統(tǒng)輸出相關(guān)性強(qiáng)的變量作為輸入,優(yōu)化了輸入層結(jié)構(gòu),解決了網(wǎng)絡(luò)模型失配的問(wèn)題,提高了網(wǎng)絡(luò)對(duì)系統(tǒng)動(dòng)態(tài)變化的反映能力。 針對(duì)船舶海上運(yùn)動(dòng)非線性、大慣性和動(dòng)態(tài)時(shí)變等特點(diǎn),構(gòu)建基于改進(jìn)時(shí)滯小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)PID控制器。其中,利用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行船舶運(yùn)動(dòng)動(dòng)態(tài)的在線辨識(shí)和預(yù)測(cè),利用預(yù)測(cè)控制策略克服船舶運(yùn)動(dòng)的大慣性對(duì)控制效果的不利影響�；谠摽刂破鬟M(jìn)行了船舶航向跟蹤控制的仿真實(shí)驗(yàn),并與傳統(tǒng)的PID控制器進(jìn)行了對(duì)比研究,結(jié)果表明該控制系統(tǒng)具有較高的控制精度和較強(qiáng)的抗干擾能力。 以上研究結(jié)果顯示,改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)有針對(duì)性地提高了系統(tǒng)的動(dòng)態(tài)反映能力和泛化能力,其運(yùn)算快速性和非線性擬合能力適應(yīng)船舶海上運(yùn)動(dòng)特點(diǎn),在船舶運(yùn)動(dòng)控制領(lǐng)域有廣闊的應(yīng)用前景。
【關(guān)鍵詞】：小波神經(jīng)網(wǎng)絡(luò) 船舶運(yùn)動(dòng)控制 靈敏度分析 Akaike信息準(zhǔn)則 預(yù)測(cè)控制
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：U664.82;U676.1
【目錄】：

• 創(chuàng)新點(diǎn)摘要5-6
• 摘要6-7
• ABSTRACT7-11
• 第1章 緒論11-24
• 1.1 研究的目的與意義11-12
• 1.2 相關(guān)領(lǐng)域研究現(xiàn)狀12-22
• 1.2.1 波理論的發(fā)展綜述12-15
• 1.2.2 小波神經(jīng)網(wǎng)絡(luò)研究綜述15-21
• 1.2.3 船舶運(yùn)動(dòng)智能控制研究綜述21-22
• 1.3 論文結(jié)構(gòu)安排22-24
• 第2章 波神經(jīng)網(wǎng)絡(luò)原理與算法24-36
• 2.1 小波分析24-28
• 2.1.1 小波變換24-28
• 2.2 小波神經(jīng)網(wǎng)絡(luò)28-36
• 2.2.1 前饋神經(jīng)網(wǎng)絡(luò)28-29
• 2.2.2 小波神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介29-31
• 2.2.3 小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)31-33
• 2.2.4 小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法33-34
• 2.2.5 小波神經(jīng)網(wǎng)絡(luò)的發(fā)展及存在的問(wèn)題34-36
• 第3章 基于AIC準(zhǔn)則的余值選擇算法36-60
• 3.1 余值選擇算法36-42
• 3.2 基于AIC最優(yōu)停止準(zhǔn)則的余值選擇算法42-44
• 3.3 基于AIC余值選擇算法的船舶運(yùn)動(dòng)預(yù)測(cè)44-59
• 3.3.1 基于AIC余值選擇算法的船舶運(yùn)動(dòng)預(yù)測(cè)模型44-46
• 3.3.2 基于實(shí)驗(yàn)數(shù)據(jù)的船舶運(yùn)動(dòng)預(yù)測(cè)仿真46-49
• 3.3.3 基于實(shí)船運(yùn)動(dòng)數(shù)據(jù)的船舶運(yùn)動(dòng)預(yù)測(cè)仿真49-59
• 3.4 本章小結(jié)59-60
• 第4章 基于靈敏度分析的時(shí)滯小波神經(jīng)網(wǎng)絡(luò)60-78
• 4.1 時(shí)滯小波神經(jīng)網(wǎng)絡(luò)60-62
• 4.1.1 NARMAX預(yù)測(cè)模型60-61
• 4.1.2 時(shí)滯小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)61-62
• 4.2 基于靈敏度分析的時(shí)滯小波神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法62-66
• 4.2.1 時(shí)滯小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法62-63
• 4.2.2 基于靈敏度分析的小波網(wǎng)絡(luò)輸入確定63-66
• 4.3 基于靈敏度分析的船舶運(yùn)動(dòng)預(yù)測(cè)66-77
• 4.3.1 Mariner型船運(yùn)動(dòng)預(yù)測(cè)仿真66-70
• 4.3.2 基于實(shí)測(cè)數(shù)據(jù)的船舶運(yùn)動(dòng)預(yù)測(cè)仿真70-77
• 4.4 本章小結(jié)77-78
• 第5章 基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)測(cè)控制78-104
• 5.1 船舶運(yùn)動(dòng)數(shù)學(xué)模型78-87
• 5.1.1 船舶運(yùn)動(dòng)坐標(biāo)系78-80
• 5.1.2 船舶運(yùn)動(dòng)響應(yīng)型數(shù)學(xué)模型80-81
• 5.1.3 船舶運(yùn)動(dòng)整體型數(shù)學(xué)模型81-84
• 5.1.4 船舶運(yùn)動(dòng)分離型數(shù)學(xué)模型84-85
• 5.1.5 環(huán)境干擾的數(shù)學(xué)模型85-87
• 5.2 基于小波神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)測(cè)PID控制算法87-91
• 5.2.1 基于小波神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)測(cè)PID控制器結(jié)構(gòu)87-90
• 5.2.2 基于小波神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)測(cè)PID控制算法90-91
• 5.3 基于小波神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)測(cè)PID控制仿真91-103
• 5.4 本章小結(jié)103-104
• 第6章 結(jié)論104-105
• 6.1 全文總結(jié)104
• 6.2 工作展望104-105
• 參考文獻(xiàn)105-118
• 攻讀學(xué)位期間公開(kāi)發(fā)表論文118-119
• 致謝119-120
• 研究生履歷120

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 曹山林;林萱;施建華;;遠(yuǎn)洋教學(xué)實(shí)習(xí)船“育鯤”號(hào)[J];船舶設(shè)計(jì)通訊;2009年01期

2 徐爽,韓芳芳,鄭德忠;基于閾值的小波域語(yǔ)音增強(qiáng)新算法[J];傳感技術(shù)學(xué)報(bào);2004年01期

3 張淑清;陳白;張立國(guó);;小波分析算法研究及在齒輪與滾動(dòng)軸承故障診斷中應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2007年05期

4 胡靜濤;陳衛(wèi);;一種改進(jìn)的嵌入式零樹(shù)小波編碼方法[J];四川兵工學(xué)報(bào);2012年04期

5 陳一鳴;李裕蓮;周志全;汪曉娟;;角形域上Neumann問(wèn)題的擬小波自然邊界元法[J];燕山大學(xué)學(xué)報(bào);2012年01期

6 邴龍飛;邵全琴;劉紀(jì)遠(yuǎn);趙志平;;基于小波分析的長(zhǎng)江和黃河源區(qū)汛期、枯水期徑流特征[J];地理科學(xué);2011年02期

7 趙景波;邢閃;周旗;;關(guān)中平原明代霜雪災(zāi)害特征及小波分析研究[J];地理科學(xué);2012年01期

8 劉宇峰;孫虎;原志華;;基于小波分析的汾河河津站徑流與輸沙的多時(shí)間尺度特征[J];地理科學(xué);2012年06期

9 武粵;孟小紅;李淑玲;;小波分析及其在我國(guó)地球物理學(xué)研究中的應(yīng)用進(jìn)展[J];地球物理學(xué)進(jìn)展;2012年02期

10 謝俊舉;溫增平;李小軍;李亞琦;呂紅山;黃雋彥;;基于小波方法分析汶川地震近斷層地震動(dòng)的速度脈沖特性[J];地球物理學(xué)報(bào);2012年06期

，

本文編號(hào)：1088107