遞歸神經(jīng)網(wǎng)絡的動態(tài)系統(tǒng)辨識及其在船舶運動控制中的應用研究.pdf

1、船舶正朝著大型化、高速化、智能化方向發(fā)展，同時船舶航行的密度越來越大，對船舶的操縱性能提出了更高的要求。因而有必要采用新的理論和技術，研究性能更好的船舶操縱控制策略。將神經(jīng)網(wǎng)絡辨識技術應用于船舶運動控制成為近年來研究的一個重要方向。本文對遞歸神經(jīng)網(wǎng)絡辨識技術進行研究，提出了兩種新的遞歸神經(jīng)網(wǎng)絡學習算法，并對遞歸神經(jīng)網(wǎng)絡辨識技術在船舶操縱運動控制中的應用進行了探討。 Elman神經(jīng)網(wǎng)絡在系統(tǒng)辨識中得到了廣泛的應用。本文對Elma

2、n神經(jīng)網(wǎng)絡進行改進，將徑向基函數(shù)神經(jīng)網(wǎng)絡與Elman神經(jīng)網(wǎng)絡結合構成RBF-Elman神經(jīng)網(wǎng)絡，并將網(wǎng)絡輸出的延遲信息反饋加入到輸入層，構造出基于輸出反饋的RBF-Elman遞歸神經(jīng)網(wǎng)絡。該網(wǎng)絡對于時變動態(tài)系統(tǒng)具有良好的辨識能力，并且通過對輸入層和輸出層進行線性連接提高了網(wǎng)絡的學習速度。通過對時變系統(tǒng)的辨識驗證了該網(wǎng)絡的自適應性。 根據(jù)控制系統(tǒng)對于神經(jīng)網(wǎng)絡在線應用的要求，提出了一種神經(jīng)網(wǎng)絡的序貫學習算法——動態(tài)跟蹤模型選擇算法，

3、得到的徑向基函數(shù)神經(jīng)網(wǎng)絡具有良好的泛化性能。通過將系統(tǒng)的輸出信息進行反饋引入到輸入層，構成的遞歸網(wǎng)絡具有良好的動態(tài)辨識性能。通過對混沌時間序列的辨識算例驗證了其動態(tài)適應性能。該算法同時具有調(diào)節(jié)參數(shù)少以及對參數(shù)變化魯棒性好等特點。 本文從工程實現(xiàn)控制的角度出發(fā)，針對船舶運動非線性和動態(tài)時變的特點，提出了基于遞歸神經(jīng)網(wǎng)絡在線辨識的控制方案。該方案利用遞歸神經(jīng)網(wǎng)絡學習算法建立的神經(jīng)網(wǎng)絡進行在線系統(tǒng)辨識，有效地跟蹤船舶運動的動態(tài)特性，并