基于改進粒子群算法的小波神經(jīng)網(wǎng)絡控制器設(shè)計與研究.pdf

1、小波神經(jīng)網(wǎng)絡作為人工神經(jīng)網(wǎng)絡理論與小波理論的完美結(jié)合產(chǎn)物，兼?zhèn)淞松窠?jīng)網(wǎng)絡的自學習功能、自適應性和魯棒性及小波變換良好的時頻局部特性，容錯性與逼近能力都比較強，在處理不確定、不確知和復雜非線性問題上，小波神經(jīng)網(wǎng)絡比傳統(tǒng)的前向神經(jīng)網(wǎng)絡更具優(yōu)勢，所以具有更加廣闊的應用前景。本文主要研究了小波神經(jīng)網(wǎng)絡的學習算法和結(jié)構(gòu)特性，設(shè)計出一個具有優(yōu)良性能的控制器，并在仿真和實時控制實驗中驗證了其有效性。
　　 類似于遺傳算法，粒子群優(yōu)化算法也是一

2、種以迭代為基礎(chǔ)的優(yōu)化工具，但是不同的是，它沒有遺傳算法的變異和交叉操作，麗是粒子通過衡量自身和種群的飛行經(jīng)驗確定飛行方向來完成最優(yōu)值的搜索任務。針對基本粒子群算法易陷入局部最優(yōu)的特點，為了加強算法逃離陷入局部最優(yōu)點的能力，本文引入遺傳算法的交叉因子和個體平均極值，對基本粒子群算法進行了改進，在保持種群多樣性的同時擴大粒子的認知范圍，使得粒子能夠獲得更多的信息來調(diào)整自身狀態(tài)。另外，為了權(quán)衡算法收斂精度和收斂速度兩方面的搜索能力，又在算法中