分享到:

RBF神经网络的混合结构优化算法

1引言径向基函数神经网络(RBFNN)由于具有非线性逼近能力强、网络结构简单、学习速度快等优点,因而被广泛应用于函数逼近、模式识别、预测和控制等领域[1-2]。RBFNN属于3层网络结构(见图1),分别是输入层、隐层和输出层。其中输入层到隐层是非线性映射,通过隐单元实现;隐层到输出层是线性映射,即为隐单元输出值的加权和[1]。然而,有效地确定RBF神经网络的结构和参数却没有系统的规律可循。在前馈神经网络中,结构的大小很大程度上影响了网络的泛化能力。如果网络的结构过大,网络的自由度相对于训练样本的自由度过小,那么它的泛化能力就会下降。如果网络结构过小,会导致网络在训练时找不到合适的参数,也就是网络得不到好的映射模型,同时网络的收敛速度也会受到重大影响。所以说,网络结构大小的选择对前馈神经网络来说,是一个需要解决的重大问题。文献[3]中使用了递归正交二乘法(ROLS)算法来优化网络的结构,这种方法速度快、效率高,但对多极值问题容易陷...  (本文共7页) 阅读全文>>

中南大学
中南大学

基于状态相依模型的非线性时间序列建模及其优化方法研究

时间序列是探索现实世界运动规律的重要工具。工程技术、经济、自然科学和社会科学领域存在着大量的时间序列数据需要我们进行处理和分析。时间序列分析的一个重要问题是时间序列模型的建立。早期的线性时间序列模型常常不足以刻画复杂的实际系统,近几十年,一系列的非线性时间序列模型被陆续提出以满足更高的要求。然而,非线性模型带来的一个非常棘手的问题是其模型参数的估计。非线性时间序列的建模及其模型的优化方法已成为一个活跃而且重要研究课题。本文主要研究两类非线性时间序列的建模、预测及其模型的优化问题。一类是工业过程系统、生态系统等时间序列,其动态特性随“系统状态变量(或工作点状态)”的变化而逐渐变化。用神经网络和状态相依模型相融合的模型来描述这类时间序列,并结合基于梯度的方法和进化算法的混合优化方法来优化模型。另一类是具有强随机特性的金融时间序列,用随机波动的离散微结构模型来建模此类时间序列。此模型的状态空间形式也是状态相依模型,用进化算法来估计此模...  (本文共173页) 本文目录 | 阅读全文>>

南京航空航天大学
南京航空航天大学

近空间飞行器动态受限控制分配技术研究

近年来,近空间飞行器相关技术受到了各主要大国的密切关注。近空间飞行器作为一种新型飞行器,飞行速度快、飞行高度高,现有的防空武器难以对该类型飞行器构成威胁,且可重复使用,投入成本低于发射的卫星。因而,近空间飞行器在高空侦察、快速打击等领域具有独特的优势。近空间飞行器常采用多操纵面新型气动布局方式以提高飞行器的可靠性、安全性和可控性等性能。因此如何将虚拟控制指令转化为操纵面的控制指令是近空间飞行器飞行控制系统迫切需要解决的问题。本文针对近空间飞行器飞行控制系统设计过程中遇到的控制指令分配问题,研究了考虑操纵面物理约束的控制分配方法,主要包括以下几项研究内容:首先,在分析操纵面控制效果和不同操纵面的控制力矩在物理约束范围内所能产生的控制效果的基础上,建立了引入控制分配的近空间飞行器数学模型。考虑飞行器操纵面动态,分析了两种典型的驱动器模型对控制指令的动态响应。其次,针对操纵面受限问题,采用基于鱼群算法的混合优化算法实现了近空间飞行器的...  (本文共93页) 本文目录 | 阅读全文>>

华北电力大学(北京)
华北电力大学(北京)

混合优化算法在热工对象系统辨识中的应用研究

系统辨识是控制理论的重要内容,也是控制理论的基础。传统的系统辨识方法多是针对线性系统,对复杂非线性系统的辨识仍然显得比较困难。神经网络的出现为我们提供了新的出路,它也成为解决非线性问题的一种重要途径。RBF神经网络是一种前向反馈网络,具有良好的逼近性和全局最优能力。本文就是以RBF神经网络系统辨识为基础,提出了一种新的混合优化算法,确定了网络中心节点的数量和位置,优化了RBF网络结构,实现了对热工对象系统的动态辨识,达到系统辨识快速性以及精确度的要求。  (本文共68页) 本文目录 | 阅读全文>>

合肥工业大学
合肥工业大学

基于改进PSO算法的过热汽温神经网络预测控制

火电厂锅炉高温过热器的过热汽温是一类非线性、时变性、大时滞、大惯性的典型对象。目前主要采用常规串级式PID控制,在干扰量大、工况发生变化时,难以达到理想的控制效果。神经网络预测控制(NNPC)充分利用了神经网络的非线性映射能力以及预测控制滚动优化、反馈校正的机理,更符合此类复杂系统控制的不确定性和时变性的实际情况。为了进一步改善NNPC的性能,本文将具有全局搜索能力、实用性强的改进粒子群优化算法(MPSO)融合到NNPC中,提出了基于MPSO算法的RBF神经网络混合优化(MPSO-RBF)策略,构造了基于MPSO-RBF混合优化策略的模型预测器,以及基于MPSO算法的非线性优化控制器。针对过热汽温的控制,给出了基于神经网络预测控制的串级控制系统,并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析,给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤。最后针对某超临界600MW直流锅炉高...  (本文共80页) 本文目录 | 阅读全文>>

西南交通大学
西南交通大学

基于混合算法—径向基神经网络的短期负荷预测

短期负荷预测(STLF)是电力系统运行调度中的一项重要内容,是能量管理系统的一个重要模块。电力市场的引入,对负荷预测的准确性、实时性、可靠性和智能性提出了更高的要求。神经网络模型是一种比较常用的短期电力负荷预测模型,本文针对RBF神经网络的不足之处进行改进,建立新的预测模型,并应用于短期电力负荷预测。本文的主要研究内容如下:(1)粒子群(PSO)算法是一种基于群智能方法的演化计算技术,该算法操作简单,使用方便,收敛速度快。本文将PSO算法与RBF神经网络相结合,形成粒子群-径向基神经网络(PSO-RBF),建立计及各种影响因素的短期负荷预测模型。运用所建立的PSO-RBF模型和RBF模型进行短期负荷预测,并比较所得结果可知,PSO-RBF模型要优于传统的RBF方法。(2)将人工鱼群算法(AFSA)与RBF神经网络相结合,形成人工鱼群-径向基神经网络(AFSA-RBF),运用此模型进行短期负荷预测,并与RBF模型的结果进行比较,A...  (本文共81页) 本文目录 | 阅读全文>>