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

1、小波神經(jīng)網(wǎng)絡(luò)是結(jié)合小波變換理論與人工神經(jīng)網(wǎng)絡(luò)的思想而構(gòu)造的一種新的神經(jīng)網(wǎng)絡(luò)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(luò)的自學(xué)習(xí)功能，因而具有較強(qiáng)的逼近能力和容錯能力。自從小波網(wǎng)絡(luò)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(yù)測與分析等許多領(lǐng)域中被較為廣泛地應(yīng)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(chǔ)，及時準(zhǔn)確的對飛控系統(tǒng)中出現(xiàn)的故障進(jìn)行辨識、定位就成了飛

2、行安全的重要保證。 本文選題于預(yù)研項目，主要研究了小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造、學(xué)習(xí)和優(yōu)化以及小波神經(jīng)網(wǎng)絡(luò)在飛控系統(tǒng)中的應(yīng)用。本文主要研究成果與創(chuàng)新點(diǎn)如下： 1、研究了小波神經(jīng)網(wǎng)絡(luò)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(luò)和基于多分辨分析的小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造算法，側(cè)重對多小波網(wǎng)絡(luò)的構(gòu)造及算法進(jìn)行了描述。設(shè)計了一種自適應(yīng)多小波網(wǎng)絡(luò)并給出其學(xué)習(xí)和訓(xùn)練算法。 2、提出了一種新的小波網(wǎng)絡(luò)參數(shù)初始化的方法。在研究小波網(wǎng)絡(luò)

3、的訓(xùn)練學(xué)習(xí)過程中，對該過程中的基函數(shù)選擇、隱層節(jié)點(diǎn)的確定以及網(wǎng)絡(luò)參數(shù)初始化三個難點(diǎn)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(chǔ)上，根據(jù)實(shí)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(guān)系來初步確定網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)。給出一個依據(jù)網(wǎng)絡(luò)規(guī)模及學(xué)習(xí)樣本來確定網(wǎng)絡(luò)初始參數(shù)的方法。 3、研究了小波網(wǎng)

4、絡(luò)的兩個優(yōu)化方法，在退火遺傳算法的基礎(chǔ)上提出一個新的自適應(yīng)退火策略，將自適應(yīng)退火策略用于選擇概率的計算以增強(qiáng)算法的收斂性，在交叉和變異概率的選取上也進(jìn)行了自適應(yīng)處理，以進(jìn)一步改善算法的穩(wěn)定性和收斂性，并將此自適應(yīng)退火遺傳算法應(yīng)用于小波網(wǎng)絡(luò)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(yīng)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(xùn)練小波網(wǎng)絡(luò)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(yīng)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(chǔ)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(shí)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(dǎo)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(dǎo)致的重構(gòu)信號與真實(shí)信號之間存在差異這個缺陷。而且具有無窮階連續(xù)導(dǎo)數(shù)，便于進(jìn)行各種數(shù)學(xué)處理。