系統(tǒng)辨識(shí)是控制領(lǐng)域研究的一個(gè)重要內(nèi)容,而非線性系統(tǒng)的辨識(shí)更是其中的難點(diǎn)和熱點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)的提出,為復(fù)雜的非線性系統(tǒng)的辨識(shí)開(kāi)辟了新的路徑。常見(jiàn)的神經(jīng)網(wǎng)有很多,其中以BP網(wǎng)絡(luò)最為熟知,但作為一種多層前向靜態(tài)網(wǎng)絡(luò),BP網(wǎng)絡(luò)自身存在很多缺陷。對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)（DRNN）是一種具有反饋環(huán)節(jié)的動(dòng)態(tài)網(wǎng)絡(luò),它通過(guò)儲(chǔ)存內(nèi)部狀態(tài)使其具備映射動(dòng)態(tài)特征的功能,更適合于非線性動(dòng)態(tài)系統(tǒng)的辨識(shí)。學(xué)習(xí)算法是系統(tǒng)辨識(shí)研究的核心問(wèn)題,傳統(tǒng)的BP算法,即梯度下降法,已經(jīng)無(wú)法滿足對(duì)辨識(shí)精度和收斂速度的要求。為此,人們也進(jìn)行了各種算法的改進(jìn)與研究,并取得了一定的成果。為了進(jìn)一步提高辨識(shí)精度和收斂速度,本文采用DRNN網(wǎng)絡(luò)和差分進(jìn)化（DE）算法進(jìn)行了非線性系統(tǒng)辨識(shí)的研究。本文首先對(duì)神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)、差分進(jìn)化的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了綜述和分析,指出了本課題需要解決的問(wèn)題,同時(shí)給出了研究思路及研究意義。介紹了DRNN神經(jīng)網(wǎng)絡(luò)的基本模型和辨識(shí)原理,并以DRNN為訓(xùn)練網(wǎng)絡(luò),分別采用基本BP算法、改進(jìn)BP算法和遺傳算法（GA）作為系統(tǒng)辨識(shí)的學(xué)習(xí)算法,對(duì)兩個(gè)典型的非線性系統(tǒng)進(jìn)行系統(tǒng)辨識(shí),通過(guò)Matlab仿真實(shí)驗(yàn)比較了三種算法的性能指標(biāo),結(jié)果... 

【文章來(lái)源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
縮略語(yǔ)表
第1章 緒論
    1.1 引言
    1.2 課題的提出及研究意義
    1.3 神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)研究現(xiàn)狀
        1.3.1 系統(tǒng)辨識(shí)研究現(xiàn)狀
        1.3.2 神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀
    1.4 差分進(jìn)化研究現(xiàn)狀
    1.5 論文主要工作
    1.6 論文結(jié)構(gòu)安排
第2章 對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)辨識(shí)
    2.1 引言
    2.2 DRNN網(wǎng)絡(luò)辨識(shí)
        2.2.1 DRNN網(wǎng)絡(luò)基本模型
        2.2.2 DRNN網(wǎng)絡(luò)辨識(shí)
    2.3 BP算法
    2.4 改進(jìn)BP算法
        2.4.1 加入動(dòng)量項(xiàng)
        2.4.2 學(xué)習(xí)速率自適應(yīng)調(diào)整法
    2.5 GA算法
    2.6 三種算法性能比較
    2.7 小結(jié)
第3章 基于DE算法的DRNN非線性系統(tǒng)辨識(shí)
    3.1 引言
    3.2 DE算法
        3.2.1 DE算法基本操作
        3.2.2 DE變異策略對(duì)比
    3.3 混合策略的DE算法
    3.4 基于DE算法的DRNN非線性系統(tǒng)辨識(shí)
    3.5 小結(jié)
第4章 基于改進(jìn)DE算法的DRNN非線性系統(tǒng)辨識(shí)
    4.1 引言
    4.2 改進(jìn)DE算法
        4.2.1 Memetic技術(shù)
        4.2.2 Simplex Method局部搜索
        4.2.3 DE-Simplex算法實(shí)現(xiàn)
    4.3 Matlab仿真實(shí)驗(yàn)
        4.3.1 DE-Simplex算法函數(shù)測(cè)試
        4.3.2 基于DE-Simplex算法的DRNN非線性系統(tǒng)辨識(shí)
    4.4 小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]差分進(jìn)化算法研究進(jìn)展[J]. 王杰文.  湖南第一師范學(xué)報(bào). 2009(06)
[2]基于單純形算子的混合差分進(jìn)化算法[J]. 劉潔,吳亮紅,劉建勛.  計(jì)算機(jī)工程. 2009(13)
[3]非線性規(guī)劃問(wèn)題的單純形算法[J]. 李婷.  長(zhǎng)春理工大學(xué)學(xué)報(bào)(高教版). 2009(06)
[4]基于對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)及應(yīng)用[J]. 于海波,馬翠紅.  微計(jì)算機(jī)信息. 2007(31)
[5]差分進(jìn)化算法研究進(jìn)展[J]. 劉波,王凌,金以慧.  控制與決策. 2007(07)
[6]差分進(jìn)化算法研究進(jìn)展[J]. 周艷平,顧幸生.  化工自動(dòng)化及儀表. 2007(03)
[7]基于差異進(jìn)化算法的人工神經(jīng)網(wǎng)絡(luò)快速訓(xùn)練研究[J]. 王剛,高陽(yáng),夏潔.  管理學(xué)報(bào). 2005(04)
[8]遞歸神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率研究[J]. 戴誼,叢爽.  系統(tǒng)工程與電子技術(shù). 2005(05)
[9]遞歸神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)研究[J]. 叢爽,戴誼.  計(jì)算機(jī)應(yīng)用. 2004(08)
[10]基于對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)的建模及應(yīng)用[J]. 段慧達(dá),鄭德玲,劉聰.  北京科技大學(xué)學(xué)報(bào). 2004(01)

博士論文
[1]神經(jīng)網(wǎng)絡(luò)在過(guò)程辨識(shí)與控制中的應(yīng)用研究[D]. 周黎輝.華北電力大學(xué)（河北） 2004

碩士論文
[1]基于遞歸神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)辨識(shí)研究[D]. 章國(guó)升.蘭州大學(xué) 2010
[2]基于RPROP-SVR混合算法的DRNN網(wǎng)絡(luò)非線性系統(tǒng)辨識(shí)[D]. 王曉燕.西南交通大學(xué) 2009
[3]基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)方法研究[D]. 劉海鋒.西安電子科技大學(xué) 2007
[4]神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)辨識(shí)中的應(yīng)用[D]. 佘遠(yuǎn)俊.西南交通大學(xué) 2005
[5]遞歸神經(jīng)網(wǎng)絡(luò)的研究及在非線性動(dòng)態(tài)系統(tǒng)辨識(shí)中的應(yīng)用[D]. 張欣.太原理工大學(xué) 2005
[6]基于系統(tǒng)辨識(shí)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法研究[D]. 王立紅.大連海事大學(xué) 2002



本文編號(hào)：3585932