基于RBF神經(jīng)網(wǎng)絡(luò)控制器設(shè)計與研究.pdf

1、徑向基函數(shù)(Radial Basis Function，PBF)神經(jīng)網(wǎng)絡(luò)以其深厚的生理學(xué)基礎(chǔ)、快速的學(xué)習(xí)能力、簡單的網(wǎng)絡(luò)結(jié)構(gòu)、優(yōu)良的逼近性能，在函數(shù)近似、模式識別、信號處理、系統(tǒng)辨識等領(lǐng)域取得了廣泛的應(yīng)用。RBF神經(jīng)網(wǎng)絡(luò)具有模擬人腦中局部調(diào)整、相互覆蓋接收的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，是一種具有全局逼近性能的三層前饋網(wǎng)絡(luò)。本文主要對RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法及結(jié)構(gòu)設(shè)計方法進行了研究，設(shè)計一個性能優(yōu)良的控制器。
　　 首先，粒子群優(yōu)化算法是通過個

2、體之間的協(xié)作來尋找最優(yōu)的解。粒子群同遺傳算法類似，是一種基于迭代的優(yōu)化工具。系統(tǒng)初始化為一組隨機解，通過迭代搜尋最優(yōu)值。但是并沒有遺傳算法用的交叉以及變異，而是粒子在解空間追隨最優(yōu)的粒子進行搜索。針對粒子群算法具有不易陷入局部極小、收斂速度快等特點，本文提出了一種基于遺傳變異因子的改進粒子群的RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。
　　 其次，在改進粒子群算法中加入了慣性權(quán)重因子，權(quán)重因子使用線性遞減權(quán)策略，提高收斂精度。同時，結(jié)合遺傳算法交