不确定混沌系统的差分进化小波神经网络控制

doi:10.3778/j.issn.1002-8331.2010.11.061

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (11): 200-203.DOI: 10.3778/j.issn.1002-8331.2010.11.061

不确定混沌系统的差分进化小波神经网络控制

李目¹，周少武¹，何怡刚²，谭文¹

1.湖南科技大学信息与电气工程学院，湖南湘潭 411201
2.湖南大学电气与信息工程学院，长沙 410082

收稿日期:2008-10-13 修回日期:2008-12-29 出版日期:2010-04-11 发布日期:2010-04-11
通讯作者: 李目

Control for a class of uncertain chaotic system based on differential evolution wavelet neural network

LI Mu¹，ZHOU Shao-wu¹，HE Yi-gang²，TAN Wen¹

1.School of Information and Electrical Engineering，Hunan University of Science and Technology，Xiangtan，Hunan 411201，China
2.College of Electrical and Information Engineering，Hunan University，Changsha 410082，China

Received:2008-10-13 Revised:2008-12-29 Online:2010-04-11 Published:2010-04-11
Contact: LI Mu

摘要/Abstract

摘要： 提出一种基于小生境自适应差分进化小波神经网络（NADE-WNN）的方法对不确定混沌系统进行控制。该方法利用小波神经网络学习未知模型混沌系统的动态特性并实施控制，为提高神经网络的学习精度和收敛速度，采用小生境自适应差分进化算法同时优化小波神经网络的结构和参数，简化网络结构，提高网络的学习精度和全局收敛性。仿真实验结果表明，在有外部干扰和参数摄动的情况下，NADE-WNN仍能对不确定混沌系统进行有效控制，且网络结构、控制精度和收敛速度都优于传统神经网络。

关键词: 小生境自适应差分进化算法, 小波神经网络, 参数不确定性, 混沌控制

Abstract: A novel control method based on Niche Adaptive Differential Evolution Wavelet Neural Network（NADE-WNN） is proposed for uncertain chaotic system.The Wavelet Neural Network is used to study dynamic characters of uncertain chaotic system and control it.In order to raise learning accuracy and convergence rate，the structures and parameters of wavelet neural network are optimized by NADE algorithm at the same time in the model.The algorithm can get a best network structure and improve learning accuracy and the global convergence.The simulation results show that the NADE-WNN is still effective when there are external disturbance and parameter perturbation，and then the network structure，the control precision and convergence rate all outperform basic neural networks.

Key words: Niche Adaptive Differential Evolution（NADE） algorithm, Wavelet Neural Network（WNN）, parameter uncertainties, chaos control

中图分类号:

TP273

李目¹，周少武¹，何怡刚²，谭文¹. 不确定混沌系统的差分进化小波神经网络控制[J]. 计算机工程与应用, 2010, 46(11): 200-203.

LI Mu¹，ZHOU Shao-wu¹，HE Yi-gang²，TAN Wen¹. Control for a class of uncertain chaotic system based on differential evolution wavelet neural network[J]. Computer Engineering and Applications, 2010, 46(11): 200-203.

[1]	高飞，曹文静. 三维供应链分数阶差分博弈模型的动力学分析[J]. 计算机工程与应用, 2018, 54(2): 246-252.
[2]	罗向龙1，2，张生瑞1，牛力瑶2. 基于检测器优化选择的短时交通流预测[J]. 计算机工程与应用, 2017, 53(8): 199-202.
[3]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[4]	宋清昆1，余杉钰2，韩笑1. 四容水箱的小波神经网络广义预测控制[J]. 计算机工程与应用, 2016, 52(16): 216-220.
[5]	岳小雪，郑云水，林俊亭. 基于改进WNN的城市轨道交通客流量预测[J]. 计算机工程与应用, 2016, 52(11): 227-232.
[6]	于文新1，何怡刚2，吴先明3，高坤3. 基于果蝇-构造小波神经网络模拟电路诊断方法[J]. 计算机工程与应用, 2015, 51(22): 22-27.
[7]	汪小寒1，张燕平2，赵姝2，张铃2. 基于动态粒度小波神经网络的空气质量预测[J]. 计算机工程与应用, 2013, 49(6): 221-224.
[8]	周红标，张新荣，耿忠华. 基于遗传小波神经网络的白酒识别电子鼻[J]. 计算机工程与应用, 2013, 49(5): 254-257.
[9]	朱佼佼1，陈特放2，付强1. 车载牵引变压器智能故障诊断技术新研究[J]. 计算机工程与应用, 2012, 48(23): 27-31.
[10]	刘恒. 永磁同步电动机混沌系统光滑二阶滑模控制[J]. 计算机工程与应用, 2012, 48(21): 222-224.
[11]	王博1，商岸帆2，郭晨1，罗超3，罗文浪1. 小波神经网络在基坑变形预测的研究与应用[J]. 计算机工程与应用, 2012, 48(19): 225-229.
[12]	吴文浩1，2，李悦丽1，洪鼎松2，程晓航2. 基于WNNs的ADS与多雷达航迹融合算法[J]. 计算机工程与应用, 2011, 47(27): 225-227.
[13]	朱少平¹，钱富才². 超混沌系统同步非线性反馈控制[J]. 计算机工程与应用, 2011, 47(1): 50-52.
[14]	徐小平^1，2，钱富才¹，王峰^3，4. 非线性系统辨识方法研究[J]. 计算机工程与应用, 2010, 46(6): 19-22.
[15]	潘昊，黄媛. 改进的小波神经网络在桥梁损伤中的预测研究[J]. 计算机工程与应用, 2010, 46(3): 204-206.

不确定混沌系统的差分进化小波神经网络控制

Control for a class of uncertain chaotic system based on differential evolution wavelet neural network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics