论文部分内容阅读
本文对小波网络和多模型理论的发展历程,研究现状分别进行了归纳和总结。本文以小波网络和多模型理论为基础,对复杂非线性动态系统的辨识和控制方法进行了研究。提出了连续小波网络的混和参数训练方法,将小波网络参数分为小波系数和网络权值两部分,对这两部分参数分别采用不同的方法进行训练,这一新的训练方法相对于传统的小波网络参数训练方法来说具有收敛速度快,逼近精度高等优点。分析了小波网络的性能,利用小波网络的非线性函数逼近能力,对非线性静态系统和非线性动态系统进行辨识。小波网络的参数训练使用本文提出的混和训练算法。将小波网络应用于对交流电机直接转矩控制中的定子电阻辨识,取得了较好的效果。将小波网络作为控制器用于非线性系统的直接控制和间接控制,通过仿真实验将小波网络与神经网络进行比较,实验结果表明小波网络控制系统控制精度高,网络收敛速度快。并对小波网络控制系统的能控性和稳定性进行了理论分析和证明。针对非线性系统建模中使用分段线性化方法所带来的未建模误差问题,提出了多模型小波网络系统辨识方法。给出了多模型小波网络的结构和切换准则。并将其与单小波网络辨识方法进行比较,可以看出该方法能够及时、准确、迅速的辨识出动态系统的变化。提出了多模型小波网络自适应控制方法。该方法使用一个自适应小波网络和多个固定小波网络作为子模型,针对每个子模型设计相应的小波网络控制器。并对多模型小波网络控制系统的稳定性进行了分析。该方法辨识精度高,控制性能优良,跟踪能力强,尤其适用于时变、复杂非线性系统的控制。