基于QPSO小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)與研究.pdf

1、小波神經(jīng)網(wǎng)絡(luò)是將人工神經(jīng)網(wǎng)絡(luò)與小波分析理論基礎(chǔ)相結(jié)合共同建立的一種新型神經(jīng)網(wǎng)絡(luò)，它結(jié)合了人工神經(jīng)網(wǎng)絡(luò)與小波分析的優(yōu)點(diǎn)。首先，時(shí)頻局部化這一小波變換的重要特性被充分利用;其次，人工神經(jīng)網(wǎng)絡(luò)充分發(fā)揮自身的學(xué)習(xí)能力，進(jìn)而將容錯(cuò)能力和比較強(qiáng)的逼近能力充分體現(xiàn)出來(lái)。但是人工神經(jīng)網(wǎng)絡(luò)與小波分析結(jié)合時(shí)會(huì)對(duì)小波神經(jīng)網(wǎng)絡(luò)自身的結(jié)構(gòu)產(chǎn)生影響，導(dǎo)致在小波神經(jīng)網(wǎng)絡(luò)模型中易于出現(xiàn)陷入局部極小或不收斂等問題。
　　文中首先對(duì)小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法和結(jié)構(gòu)特性進(jìn)

2、行了研究。在研究算法的過程中，發(fā)現(xiàn)小波神經(jīng)網(wǎng)絡(luò)的傳統(tǒng)訓(xùn)練算法有許多不足，為了改進(jìn)傳統(tǒng)算法，文中提出了量子行為粒子群算法(Quantum-behaved Particle SwarmAlgorithm)，并且簡(jiǎn)要分析了QPSO算法的基本原理與和基本流程;研究了QPSO算法的優(yōu)勢(shì)，將量子δ勢(shì)阱模型作為QPSO算法的基本形式，設(shè)計(jì)出粒子位置的概率密度函數(shù)和波函數(shù);又對(duì)QPSO算法的收斂性進(jìn)行了研究。在判斷QPSO算法的收斂性時(shí)，QPSO算法的

3、基本進(jìn)化方程將依照Monte Carlo方法推導(dǎo)出來(lái);判斷出粒子在基本進(jìn)化方程中的收斂問后題，得出兩種較好的搜索策略，從而進(jìn)一步得出完整的算法流程。最后又對(duì)QPSO算法與PSO算法進(jìn)行比較分析，得出量子行為粒子群算法的優(yōu)點(diǎn)。
　　其次，根據(jù)研究?jī)?nèi)容分析設(shè)計(jì)出性能良好的小波控制器。在QPSO算法中加入學(xué)習(xí)因子、進(jìn)化速度和粒子聚集度等參數(shù)，并對(duì)QPSO算法的參數(shù)迭代更新加以完善，使控制參數(shù)增加，從而獲得完善的小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果，再利