小波神經(jīng)網(wǎng)絡及其在飛控系統(tǒng)中的應用研究.pdf

1、小波神經(jīng)網(wǎng)絡是結(jié)合小波變換理論與人工神經(jīng)網(wǎng)絡的思想而構(gòu)造的一種新的神經(jīng)網(wǎng)絡模型，它結(jié)合了小波變換良好的時頻局域化性質(zhì)及神經(jīng)網(wǎng)絡的自學習功能，因而具有較強的逼近能力和容錯能力。自從小波網(wǎng)絡被提出以后，它在非線性函數(shù)或信號逼近、信號表示和分類、系統(tǒng)辨識和動態(tài)建模、非平穩(wěn)時間序列預測與分析等許多領域中被較為廣泛地應用。 對飛控系統(tǒng)的故障診斷是飛行過程中的容錯控制和控制律重構(gòu)的基礎，及時準確的對飛控系統(tǒng)中出現(xiàn)的故障進行辨識、定位就成了飛

2、行安全的重要保證。 本文選題于預研項目，主要研究了小波神經(jīng)網(wǎng)絡的構(gòu)造、學習和優(yōu)化以及小波神經(jīng)網(wǎng)絡在飛控系統(tǒng)中的應用。本文主要研究成果與創(chuàng)新點如下： 1、研究了小波神經(jīng)網(wǎng)絡的構(gòu)造方法和算法。分別研究了基于小波框架的小波神經(jīng)網(wǎng)絡和基于多分辨分析的小波神經(jīng)網(wǎng)絡的構(gòu)造算法，側(cè)重對多小波網(wǎng)絡的構(gòu)造及算法進行了描述。設計了一種自適應多小波網(wǎng)絡并給出其學習和訓練算法。 2、提出了一種新的小波網(wǎng)絡參數(shù)初始化的方法。在研究小波網(wǎng)絡

3、的訓練學習過程中，對該過程中的基函數(shù)選擇、隱層節(jié)點的確定以及網(wǎng)絡參數(shù)初始化三個難點問題作了深入的研究，小波基函數(shù)的選擇在遵循滿足正交性、具有緊支集、對稱性和平滑性等一般原則的基礎上，根據(jù)實際問題的背景及分析信號的特征，通過經(jīng)驗或?qū)嶒灥姆椒ù_定小波基函數(shù)。選擇了合適的小波基后可以根據(jù)小波函數(shù)的時頻特性與待處理信號的時頻空間區(qū)域的關系來初步確定網(wǎng)絡隱層節(jié)點數(shù)。給出一個依據(jù)網(wǎng)絡規(guī)模及學習樣本來確定網(wǎng)絡初始參數(shù)的方法。 3、研究了小波網(wǎng)

4、絡的兩個優(yōu)化方法，在退火遺傳算法的基礎上提出一個新的自適應退火策略，將自適應退火策略用于選擇概率的計算以增強算法的收斂性，在交叉和變異概率的選取上也進行了自適應處理，以進一步改善算法的穩(wěn)定性和收斂性，并將此自適應退火遺傳算法應用于小波網(wǎng)絡權(quán)值的優(yōu)化；還研究了另一種全局優(yōu)化方法——填充函數(shù)法，構(gòu)造了一種新的易于計算的單參數(shù)填充函數(shù)，證明了新構(gòu)造的函數(shù)具有填充函數(shù)應有的性質(zhì)，把填充函數(shù)法與BP算法相結(jié)合，提出一種訓練小波網(wǎng)絡的混合型全局優(yōu)化

5、新算法。 4、在研究小波分析在信號消噪中的應用時，針對Donoho等人提出軟閾值和硬閾值消噪方法的不足，在sigmoid函數(shù)的基礎上通過線性組合和旋轉(zhuǎn)變換構(gòu)造了一個新的閾值函數(shù)，該函數(shù)在實現(xiàn)與Donoho的硬閾值、軟閾值函數(shù)相同的功能的同時，既避免了硬閾值方法中的函數(shù)不連續(xù)導致的重構(gòu)信號震蕩，又克服了軟閾值方法中小波系數(shù)存在的恒定偏差導致的重構(gòu)信號與真實信號之間存在差異這個缺陷。而且具有無窮階連續(xù)導數(shù)，便于進行各種數(shù)學處理。