基于卡尔曼滤波BP网络模拟系统.pdfVIP

维普资讯 一 8 L／／ 大 连 海 事 大 学 学 报 Vo】．26，No．2 第26卷 第 2期 ． 2000年 5月 JournalofDalianMaritimeUniversity M ay．，2000 文章编号 ：1006—7736(2000)02—0086—03 基于卡尔曼滤波的 BP网络模拟系统 ‘ 兰 ， 丁l『弓7弓 ———— 一 ———一 l (1．大连海事大学 轮机工程学院，辽宁 大连 116026； 2．辽宁工学院 机械工程系，辽宁 锦州 121001) 摘要 提出丁一种基于卡尔曼滤波的BP网培模拟系统，用滤波后的样奉散据训练罔培，使网络能够反映系 关键词 ： ： 、 8真 中图分类号 ：TP393 文献标识鹤；A Rumelhert和 McClelland在 1986年提 出的 BP网络是神经网络理论中的一类最基本 的模型，由于它具有 良好的非线性模拟能力。，所 以得到广泛地应用 由于在实际应用中人 们所关心的并不仅仅是网络对 已知输入输出样本的拟合能力，而更重要的是对系统 中已知 输入未知输出(即非训练样本)的反映程度，因此使得网络的泛化能力成为网络应用成功与 否 的关键． 神经网络 的泛化能力 (generalizationcapability)是指对于 同一样本集 中的非训练样本 ， 网络仍能给出正确的输入输出关系的能力．要提高网络 的泛化能力，首先需要有高质量的训 练样本，即能够真实反映系统输入输 出关系的训练样本．然而，被模拟的系统经常受到随机 因素的干扰 ，使样本数据的真实性受到影响．用这样的样本训练网络．虽然神经网络具有较 强的非线性模拟能力，能够通过训练学习随机因素对系统的影响，但得到的网络并不能模拟 系统真实的输入输出关系，而且就某一特定的时点来说 ，由于受随机因素的干扰 ，系统的实 际输出与网络的模拟输出很难保持一致，因此需要在训练网络之前对样本数据进行处理，以 提高网络的泛化能力 ，使训练后得到的网络能够模拟系统真实的输入输出关系． 1 卡尔曼滤波 现代信号处理研究 中，在对有噪声影响的数据进行处理时，通常使用滤波方法，主要有 ^ 匹配滤波、维纳滤波和卡尔曼滤波等方法。。]．对于带噪声 的观测数据Y()一 )+ ()， 要对信号 )作出预测估计Y +r)，而使用的卡尔曼滤波的基本思想为 · 收蔫 日期；1999—10_19． 作者简介 e毕艳丽 (1964～)女，辽宁锦州人 ．讲师 主要从事优化设计盈 CAD研究 维普资讯 第 2期 毕艳 丽，等：基于卡尔曼滤波的BP网络模拟 系统 87 (1)引人 的卡尔曼新息 (即方差为 1的新息) ()一 ：y(，k)y )…R (m，)=3(m一 ) ^= 0 (2)将要解决的滤波与预测的混合 问题转化为纯滤波和纯预测这样两个独立的问题．