基于蚁群算法的模糊小波网络控制策略及其应用研究

被引：0

作者：

杨瑞

机构：

[1] 西安理工大学

关键词：

模糊小波网络; 蚁群算法; 自适应逆控制; 复杂非线性; 过程控制;

D O I：

暂无

年度学位：

2005

学位类型：

硕士

导师：

潘永湘;

摘要：

论文首先研究了一种新的智能优化算法-蚁群算法的特性,并将其用于模糊小波网络的优化没计中,提出了基于蚁群算法的模糊小波网络的模型参考自适应逆控制策略:然后,针对复杂非线性对象(EFAT/P系列过程控制实验装置)的特点和控制要求,设计并进行了两种不同实验方案的在线实时控制,均取得了预期的效果。主要研究工作如下: 1. 小波函数与模糊网络的结合。针对现有模糊神经网络的语言变量层隶属函数的不足,借鉴小波变换良好的尺度变换和伸缩平移特性,提出了模糊小波神经网络。 2. 控制策略的确定。在比较分析几种典型神经网络控制方案的基础上,针对复杂非线性对象的特点和控制要求,提出了一种基于模糊小波网络的模型参考自适应逆控制策略: 3. 网络学习算法的建立。在分析蚁群算法优化性能的基础上,针对已有蚁群算法的不足,提出了基于正态分布的信息权重因子和均匀分布的信息量均衡算子的混合自适应蚁群算法,并将其应用到模糊小波网络的参数和结构优化设计中: 4. 针对复杂非线性被控对象的特点,以MCGS组态软件为平台构成了工控机、智能仪表及研华板卡为一体的过程控制系统,并进行了现场实时控制,验证了该控制西妥理工大学硕士学位论文策略的有效性和可行性; 5.在实验的基础上,以801%KC单片机为基础设计了基于16位单片机的实时过程控制系统。现场调试结果表明,本文采用的控制方案不仅提高了控制系统的稳定性和快速性,而且增强了系统的白学习能力和抗干扰能力。关键词:模糊小波网络蚁群算法白适应逆控制复杂非线性过程控制

引用

页数：73

共 22 条

[1]

小波分析·应用算法.[M].徐晨等著;.科学出版社.2004,

[2]

非线性自适应逆控制及其应用.[M].卢志刚等著;.国防工业出版社.2004,

[3]

小波十讲.[M].(美)IngridDaubechies著;李建平;杨万年译;.国防工业出版社.2004,

[4]

工业控制工程实践技术.[M].付家才主编;.化学工业出版社.2003,

[5]

模糊系统与模糊控制教程.[M].王立新著;王迎军译;.清华大学出版社.2003,

[6]

神经网络控制.[M].徐丽娜编著;.电子工业出版社.2003,

[7]

8×C196KX单片机及其应用系统设计.[M].刘复华编著;.清华大学出版社.2002,

[8]

遗传算法的基本理论与应用.[M].李敏强等著;.科学出版社.2002,

[9]

智能优化算法及其应用.[M].王凌著;.清华大学出版社.2001,

[10]

自适应逆控制.[M].(美)威德罗(BernardWidrow);(以)瓦莱斯(EugeneWalach)[编著];刘树棠;韩崇昭译;.西安交通大学出版社.2000,

← 1 2 3 →