基于遗传算法的神经网络优化在系统辨识中的应用研究被引量：1

在线阅读下载PDF

导出

摘要在基于神经网络的系统辨识中,传统辨识方法易陷于局部寻优,或在优化过程中忽略了网络权值和结构的关联性而进行单一优化,这都难以建立精确模型。针对此问题,本文采用遗传算法浮点数编码的方式,同时优化神经网络权值及拓扑结构,设计评估综合性能的适应度函数,求出最优解。最后通过试验仿真,证明此方法的可行性。

作者梁永兴董海鹰

机构地区兰州交通大学自动化学院

出处《伺服控制》 2011年第6期68-69,80,共3页 Servo Control

关键词系统辨识遗传算法神经网络结构优化

分类号 TP183 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献9

1郭利辉,朱励洪,高巍.基于MATLAB的最小二乘法系统辨识与仿真[J].许昌学院学报,2010,29(2):24-27. 被引量：13
2程亮.基于过程神经网络的非线性动态系统辨识[J].佳木斯大学学报（自然科学版）,2009,27(6):828-830. 被引量：1
3刘迪.神经网络在系统辨识中的应用[J].信息技术与信息化,2009(1):81-82. 被引量：1
4谷小青,易当祥,刘春和.遗传算法优化神经网络的拓扑结构与权值[J].广东工业大学学报,2006,23(4):64-69. 被引量：13
5镇方雄,李跃新.基于改进遗传算法的神经网络优化[J].湖北大学学报（自然科学版）,2006,28(4):345-349. 被引量：11
6孙全玲,李莹莹.遗传算法优化神经网络结构的研究[J].福建电脑,2006,22(11):1-2. 被引量：5
7冯浩,何鸿云,米祖强.基于改进遗传算法的递归神经网络非线性系统辨识[J].西南交通大学学报,2002,37(4):404-407. 被引量：6
8刘建成,刘学敏,徐玉如.极大似然法在水下机器人系统辨识中的应用[J].哈尔滨工程大学学报,2001,22(5):1-4. 被引量：21
9李丽荣,韩璞,董泽,刘长良.人工神经网络在系统辨识中的研究与应用[J].华北电力大学学报（自然科学版）,2000,27(3):28-33. 被引量：12

二级参考文献40

1邵慧娟,熊煜,王绪本.线性神经网络及在系统辨识中的初步应用[J].计算机仿真,2004,21(10):139-141. 被引量：5
2梁化楼,戴贵亮.人工神经网络与遗传算法的结合：进展及展望[J].电子学报,1995,23(10):194-200. 被引量：71
3席裕庚,柴天佑,恽为民.遗传算法综述[J].控制理论与应用,1996,13(6):697-708. 被引量：354
4许世景.神经网络在系统辨识中的应用研究[J].山西电子技术,2007(1):7-8. 被引量：3
5蔡金狮.动力学系统辨识与建模[M].北京:国防工业出版社,1994..
6张翠芳.基于神经网络的气动脉宽调制位置伺服系统研究（博士学位论文）[M].哈尔滨:哈尔滨工业大学,1997..
7侯媛彬,汪梅,王立琦.系统辨识及MATLAB仿真[M].北京:科学出版社,2004.
8Waibel A, et al. Phoneme Recognition Using Time Delay NN[J]. IEEE Trans ASSP, 1989,37(2) :328 - 339.
9Tsoi,A. C. locally Recurrent Globally Feedforword Networks[J]. A Critical Review of Architectures IEEE Transactions on Natural Networks. 1994(5), 229 - 239.
10Draye J S,et al. Dynamic Recurrent NN:A Dynamical Analysis[J]. IEEE Trans SMC(B), 1996, 26: 692 - 706.

共引文献74

1程惠涛,张志明.基于神经网络的故障检测方法研究[J].振动工程学报,2004,17(z1):249-251. 被引量：1
2王笑宇,段广建.一种改进的遗传优化策略在电机故障诊断中的应用[J].电气技术,2010,11(5):33-36.
3庞强,苑明哲,吴星刚,王景杨.基于神经网络的水泥生料配料多目标优化设计方法[J].东南大学学报（自然科学版）,2009,39(S1):76-81. 被引量：4
4高明松,李素明,周卫东.应用人工蜂群算法辨识潜器参数[J].哈尔滨工程大学学报,2013,34(8):1023-1027. 被引量：4
5薛力红,申东日,陈义俊,李喆.基于改进遗传算法的神经网络模型辨识[J].计算机仿真,2004,21(12):90-91. 被引量：5
6星座与职业[J].职业,2005(2):36-36.
7马岭,崔维成.载人潜水器水平面动力学模型系统辨识[J].中国造船,2006,47(2):76-81. 被引量：7
8王磊.基于改进遗传算法的递归神经网络模型辨识[J].太原师范学院学报（自然科学版）,2006,5(2):17-19.
9董占华,王士同.基于极大似然法的椒盐噪声滤波算法[J].微计算机信息,2006,22(12S):291-293. 被引量：1
10葛洪伟,靳文辉.变异量子粒子群优化算法在系统辨识中的应用[J].计算机工程与应用,2007,43(29):222-224. 被引量：8

同被引文献2

1HOMIK K M, WHITE H. Multilayer feed forward networks are universal appmximators [ J ]. Neural Networks, 1989,2 (5) :359-366.
2李然然,张永坚,刘畅,王珊珊.基于BP神经网络的建筑物用电能耗预测[J].山东建筑大学学报,2011,26(2):162-165. 被引量：14

引证文献1

1梁永兴.基于遗传算法优化神经网络的建筑物电力负荷预测[J].现代建筑电气,2014,5(10):10-12. 被引量：3

二级引证文献3

1郝骞.机场航煤加油规律分析及加油量预测[J].油气储运,2016,35(3):315-320. 被引量：4
2闫泓全,李梓萍,李校良,孙楚词,金书池.基于遗传算法优化神经网络的中期负荷预测[J].现代工业经济和信息化,2024,14(8):171-172.
3王帅哲,王金梅,王永奇,马文涛.基于改进遗传算法的BP神经网络短期电力负荷预测[J].国外电子测量技术,2019,38(1):15-18. 被引量：20

1邵桂荣.基于BP算法的函数逼近[J].运城学院学报,2007,25(2):43-44.
2彭涛,何燕冬.电容式触摸屏成品率控制的蒙特卡罗系统仿真[J].电子设计技术 EDN CHINA,2009,16(3):66-66.
3李辉.河北工商综合业务系统的安全性设计评估[J].电子商务,2010,11(10):54-55.
4崔源,贾东明.基于神经网络的系统辨识研究[J].信息技术与信息化,2015(8):131-134.
5微凉.DS SolidWorks推出可对任何设计评估环境影响的软件[J].航空制造技术,2009,0(6):24-24.
6高向前.信息安全风险评估方法与应用[J].金融电子化,2014(1):81-82. 被引量：1
7唐常学,王彦夫.基于神经网络的系统辨识[J].大庆高等专科学校学报,2001,21(2):120-121.
8李强,杨晰媛.图书馆网站的建设与维护管理[J].产业与科技论坛,2011,0(15):83-84. 被引量：1
9刘玉.图书馆网站设计的探讨[J].信息技术,2003,27(3):87-88. 被引量：13
10TUV南德为中材叶片颁发风机叶片GL导则设计评估证书[J].玻璃钢／复合材料,2014(1):109-109.

伺服控制

2011年第6期

浏览历史

内容加载中请稍等...

基于遗传算法的神经网络优化在系统辨识中的应用研究被引量：1

参考文献9

二级参考文献40

共引文献74

同被引文献2

引证文献1

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

基于遗传算法的神经网络优化在系统辨识中的应用研究 被引量：1

参考文献9

二级参考文献40

共引文献74

同被引文献2

引证文献1

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

基于遗传算法的神经网络优化在系统辨识中的应用研究被引量：1