基于小波神经网络的PID整定与应用

提出了一种基于小波神经网络整定的PID控制方法。由于小波变换具有良好的时频局部特性，神经网络具有强大的非线性映射能力，自学习、自适应等优势，采用规范正交的小波函数作为神经网络的基函数构成小波神经网络。该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力，自学习、自适应能力等优点，渗碳炉控制实验结果表明．用该方法整定的PID控制系统收敛速度快。逼近精度高，鲁棒性好。     

小波神经网络方法在入侵特征分类技术中的应用研究

利用小波变换的时频局部化特性和神经网络的自学习能力,构建基于小波变换的神经网络,从而使该神经网络具有较强的逼近能力和容错能力。将小波神经网络应用于入侵特征分类技术当中,具有了较强的自适应、自学习能力,并通过对动量项因子和学习因子的调整对模型进行改进,解决传统的前馈神经网络易陷入局部极小点的问题,加快神经网络的收敛速度。     

一种自组织小波神经网络定子电阻估计器

定子电阻的准确估计是改善直接转矩控制低速性能的关键技术.为了提高定子电阻的在线估计精度和速度,本文将小波分析、自组织算法和神经网络技术相结合,提出了一种自组织小波神经网络定子电阻估计器.该网络继承了小波分析优异的局部特性和神经网络的自学习能力,具有较高的估计精度.并采用自组织算法对小波元的数量进行了离线优化,大大简化了网络结构,提高了在线估计的实时性.     

基于小波神经网络的流量自回归预测研究

通过应用系统的历史网络流量训练小波神经网络的各个参数,最终确定收敛的小波神经网络的结构。证明流量的自回归短期预测是个NP问题,分析小波神经网络预测算法的时间复杂度。通过实验结果表明,采用小波神经网络相对于BP、GRNN、解决此类NP问题具有良好预测效果和收敛速度。     

基于遗传小波神经网络的冷轧轧制力预报研究

依据小波函数的非线性逼近能力和神经网络的自学习特性，提出一种适合高维输入的小波神经网络建模方法，这种网络结构类似于多层感知器，不同的是隐层神经元的激励函数为小波基函数．为使小波神经网络具有更高的学习精度和更快的收敛速度，将遗传算法、小波神经网络和梯度下降算子结合起来，提出一种遗传小波神经网络．将该网络应用于冷轧轧制力的预报，仿真结果表明预报精度大为提高．     

一种小波神经网络的在线建模和校正算法

提出应用小波神经网络实现非线性系统模型的在线建立及自校正方法.首先提出了小波网络节点库的构成方法和一种小波网络模型结构确定和权值估计方法.在此基础上运用限定记忆最小二乘法,设计小波网络自学习建模和在线校正的算法.该算法能根据系统输入输出数据自动地建立小波网络模型,并使得在线校正得到的小波神经网络在某种准则下是最优的.     

小波神经网络自抗扰控制器在水下机器人深度控制中的应用

本文主要实现对水下机器人的深度控制。针对BP神经网络的缺点,根据小波神经网络的优越性,设计小波神经网络自抗扰控制器。利用Matlab simulink对控制器进行仿真测试,表明该控制器控制效果良好,具有较高的鲁棒性。     

自构建小波神经网络的内模控制研究与应用

考虑到小波神经网络隐含层神经元的数目决定了整个网络的规模和性能,根据小波基函数的激励强度和衰减程度可以添加或者删除小波神经网络隐含层神经元,优化了小波神经网络隐含层结构,采用自构建小波神经网络辨识内模控制系统的正模型和逆模型,该模型的神经网络结构可根据性能要求动态调整,从而改进了神经网络内模控制技术,实验结果表明,提出的控制方法比传统方法在鲁棒性和抗扰性方面具有更好的性能表现,各项指标均优于传统控制方法.实现氧化铝熟料烧结工艺优化。     

自构建小波神经网络的内模控制在深度脱硅中的应用

为了稳定氧化铝深度脱硅过程的热工制度和降低能耗,采用小波神经网络辨识的内模控制方法进行氧化铝深度脱硅工艺过程控制。根据小波基函数的激励强度和衰减程度可以添加或者删除小波神经网络隐含层神经元,从而优化小波神经网络隐含层结构。再用自构建小波神经网络辨识内模控制系统的正模型和逆模型,从而改进神经网络内模控制技术。实验结果表明,所提出的控制方法比传统方法在鲁棒性和抗扰性方面具有更好的性能表现,各项指标均优于传统控制方法,实现了氧化铝深度脱硅工艺优化。     

基于小波神经网络的薄互储层参数预测

针对薄互储层沉积具有储层厚度薄且横向变化剧烈的特点,及油气藏所具有的复杂性,本文提出了一种新的薄互储层参数的预测方法--小波神经网络技术小波神经网络是基于小波分析理论所构造的一种新的神经网络模型,它充分利用小波变换良好的局部化性质,并结合神经网络的自学习功能,因而具有较强的逼近能力,从而提高薄互储层参数的预测精度.并通过实例验证了此方法的正确性.     

基于Morlet小波的飞控系统故障诊断方法研究

对Morlet小波及其变换特性进行了分析,选择Morlet小波的实部为神经元的作用函数构造了一个小波神经网络,用此网络对某型飞机飞控系统中的作动器三种故障进行诊断,仿真结果表明该小波神经网络的泛化性及诊断能力均强于传统的BP神经网络。     

基于小波网络的飞控系统故障仿真建模及诊断

选择以Sigmoid函数为基础的小波基波函数构造了一个小波神经网络,用此网络对某型飞机飞控系统中的作动器三种故障进行诊断,仿真结果表明该小波神经网络的泛化性及诊断能力均强于传统的BP神经网络。     

基于模糊小波神经网络的提升机恒减速制动系统的研究

针对提升机恒减速制动系统采用常规PID控制方式、模糊控制方式存在控制效果差的问题,提出了一种基于模糊小波神经网络的提升机恒减速制动系统的设计方案。该系统采用小波基函数作为模糊隶属函数,利用神经网络的自学习能力和小波基良好的局部特性来增强模糊控制的自适应能力,并采用遗传算法对小波基函数的平移、伸缩因子以及控制器的连接权值进行训练,使网络参数达到全局最优。Matlab仿真结果表明,该系统具有良好的动态特性和较高的控制精度。     

小波网络在控制系统中的应用

小波分析是80年代中期发展起来的一门新兴的 数学理论和方法,小波网络是在小波分析研究获得突破的基础上提出的一种前馈型网络．本 文对小波网络的结构形式、学习算法以及在控制方面的主要应用进行了综述,并将小波网络 与常规的前馈神经网络作了比较,最后对小波网络在控制系统中的应用提出了几点展望．     

基于WNN的两种优化结果在预测控制中的应用*

从优化小波神经网络的角度出发,对两种优化模型从理论上进行建模与推导;根椐预测控制的特点,提出离散小波神经网络模型GA分层优化方法及广义小波神经网络模型优化方法与预测控制相结合的新的应用途径.仿真结果证明了该方法的有效性和可行性,能使实际工程中的预测控制结果得到优化.     

基于小波网络的非线性系统建模与控制

提出了种基于小波网络的非线性系统的建模和控制方法。使用小波网络对未知控制系统建立一步预测模型,基于Ｄｓａｖｉｄｏｎ最小二乘法得到自适应控制律。小波网络的权值由广义递推最小二乘法来学习,尺度参数和平移参数通过稳定的Ｄａｖｉｄｏｎ最小二乘法来获得。仿真结果表明了该方法的有效性。     

小波理论及在滤波、系统辨识与控制中的应用

本文首先在阐述小波(分析)理论的基础上,介绍小波与(人工)神经网络相结合的小波神经网络.由于它们所具有的独特优点,使其在滤波、动态系统辨识与控制中的应用日益广泛,是本文阐述的第二个问题.再者,介绍三个有关的软件工具箱.     

细粒度可伸缩小波视频编码研究

针对不可控网络下的视频应用,提出一套新的小波视频编码方案,适用于根据每个用户实时网络状况进行动态码率传输和控制,目的是为用户在不稳定的带宽下提供持续清晰流畅的全局最优的视频体验。该编码方案简化了W5/3提升小波,在MCTF算法中引入层次化多参考帧预测,并采用新提出的基于优先级的传输层流打包方法以及基于块位长的嵌入式零块编码算法。经过测试表明,提出的算法压缩效率高,质量可伸缩性好,能够有效提升用户体验。     

基于小波神经网络的加工过程自适应控制

把信息熵、小波分析和神经网络相结合,提出了基于小波神经网络的加工过程自适应控制系统及其自适应控制算法。提出并定义了广义熵方误差函数,在理论上证明了广义熵方误差函数的有效性。用广义熵方误差函数准则取代BP算法的均方误差准则,用自适应地搜索小波基函数和自适应地调整小波的尺度参数、平移参数和神经网络权值的方法对参数变化的切削力进行在线控制。仿真结果表明,该系统响应快,无超调,比传统的加工过程神经网络自适应控制具有更好的控制效果。