基于层递式模糊神经网络的非线性系统辨识

论文摘要

本文首先分析了传统的模糊神经网络存在的缺陷,改进了学习算法,提出了将误差与学习率分层,协同调整的层递式BP神经网络。接着,联合层递式BP神经网络,将模糊神经网络的逻辑推理层按专家经验进行分层,而提出来层递式模糊神经网络。最后将层递式模糊神经网络应用到系统的辨识中,通过仿真算例,证明了算法的有效性。文章的结构如下：第一章,介绍了本文研究课题的背景,提出了对该课题研究的目的及其意义；第二章,讨论了传统BP神经网络算法的局限性,指出了一些改进的算法在非线性系统辨识中应用的局限性；考虑了训练样本序列的排序问题,结合分层思想,将误差与学习率同步调整,以收敛定理为基础,提出了层递式BP神经网络,并通过数值算例证明了改进算法的有效性；第三章,针对传统的模糊神经网络,分析了网络存在的维数灾难、不能很好的表达专家经验知识等缺陷,提出了将逻辑层按专家经验进行分层思想,并联合层递式BP神经网络,提出了层递式模糊神经网络,分析了层递式模糊神经网络对运行机理,最后给出了一个层递式模糊神经网络控制模型；第四章,将层递式模糊神经网络应用到一类非线性系统辨识中,给出了一类非线性系统控制模型,分别设计了层递式神经网络控制器和层递式模糊神经网络辨识器,讨论了分层算法中的误差传播问题。同时,分析了分层对训练样本序列的影响,以及样本归一化、误差控制问题。最后,通过仿真算例验证了结果的可行性；第五章,总结了研究结果,并提出了展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.1.1 模糊逻辑
• 1.1.2 神经网络
• 1.1.3 模糊神经网络
• 1.1.4 系统辨识
• 1.2 模糊神经网络系统在非线性系统辨识中存在的问题
• 1.3 本文的主要工作及论文的安排
• 第2章 层递式BP神经网络
• 2.1 引言
• 2.2 BP神经网络与学习算法
• 2.2.1 典型的三层BP神经网络及其学习算法
• 2.2.2 BP算法的理论分析
• 2.3 BP算法的缺陷及其原因分析
• 2.3.1 收敛速度慢
• 2.3.2 陷入局部最小点
• 2.4 层递式BP神经网络（LPBPNN）
• 2.4.1 层递式BP设计网络分层算法
• 2.4.2 层递式BP神经网络机理分析
• 2.5 层递式BP神经网络数值算例
• 2.6 小结
• 第3章 层递式模糊神经网络
• 3.1 引言
• 3.2 模糊推理结构及其算法
• 3.2.1 基于Mamdani推理的模糊神经网络
• 3.2.2 MIMO型模糊神经网络运行机理
• 3.3 层递式模糊神经网络（LPFNN）算法
• 3.3.1 将模糊逻辑进行分层
• 3.3.2 模糊神经网络层递式BP学习算法
• 3.4 一类层递式模糊神经网络辨识模型
• 3.5 小结
• 第4章 基于层递式模糊神经网络的非线性系统辨识
• 4.1 引言
• 4.2 系统辨识定义
• 4.3 基于层递式模糊神经网络的非线性系统辨识与控制
• 4.3.1 控制系统设计
• 4.3.2 传统的模糊神经网络（FNN）性能分析
• 4.3.3 层递式模糊神经网络（LPFNN）
• 4.3.4 层递式BP神经网络控制器的设计
• 4.3.5 层递式模糊神经网络辨识器的控制算法
• 4.3.6 分层对循环迭代训练方案的影响
• 4.3.7 样本数据归一化处理与学习误差的控制问题
• 4.4 应用实例
• 4.5 小结
• 第5章 总结与展望
• 参考文献
• 致谢
• 附录