基于多分辨率小波神经网络的非线性动态系统模型在线实时校正.pdfVIP

基于多分辨率小波神经网络的非线性 动态系统模型在线实时校正 钱 峻 顾金生 邵惠鹤 (上海交通大学自动化系，上海，200030) 摘要 受小波变换和神经网络两者启发而产生的小渡神经嗣络具有良好的非线性函数逼近能力． 本文根据小波网络多分辨率的特点t提出了对局部小波元进行在线反向传播学习的方法，可有 效地提高学习速度·这对实现神经网络实时校正具有重要意义．仿真表明此方法能有效地应用 于非线性系统的在线状态预浸i． 关键词：小波神经网络，分辨率，非线性系统，建模 中图法分类号：TP264 0’引言 将前向神经网络应用于非线性系统的逼近已经取得了许多成果，但对于诸如化工过程 这样的高度非线性、强耦合和时变系统，运用神经阿络进行静态建模同时又能不断精确跟踪 真实系统是不可能的，而用传统的神经网络进行在线校正又有很大的计算量，难以保证其实 时性． 小波神经网络具有任意充分地逼近非线性关系的能力，同时还具有并行分布处理、不会 陷于局部最小点、权值关于输出线性化的优点．尤其是小波网络的激励函数天然地具有多分 ■ 辨率和局部化的特点，本文根据小波网络这一特有的优点，提出了对高分辨率局部小波元进 行在线学习，首先对非线性动态过程进行建模，然后应用上述方法实现所建模型的实时校 正，并用该动态模型进行在线状态跟踪、预测． 1 小波神经网络的结构和离线训练 小波神经网络是受前向神经网络和小波分解两者启发而产生神经阿络叫，属于监督学 习型神经网络t其结构和RBF神经网络类似，但其激励函数采用时间域和频率域都具有良 好局部性质的小波函数．根据小渡分解的离散化形式。设{以．．}。。：是∥“)中的正交小波 348 浙 江 大 学 学 报(自然科学版) 199B年 基，则对任意，∈L2(”)，，b)，有如下展开 厂(z)=∑如儿(z) (1) ^．-∈Z 其中 d-=(，，以．) (2) 小波网络的结构可从式(1)演化而来，设g(z)为逼近非线性函数的小波网络的输出，则有 ．兰… F(z)=∑斟≯(鼍≯) (3) 其中ai为伸缩参数，tl为平移参数，”．为权值，z为网络的输入． 根据小波理论，构成口(n)空间的小波正交基，包括2‘～】个母小波基和一个尺度函 数．由此可知，随着n的增大，小波网络训练的计算量将以指数方式增长，这一点将对小波网 络的在线实时校正产生不良的影响．文献[2]证明了可以利用单个母小波来构造单尺度多 --2 维小波标架，如Mexican hat小波≠(。)=o一|】。11)F一—，．在此标架的基础上来构成小 波网络将大大减少的训练的计算量． 在实际训练过程中，必须对构成标架的无限个不同伸缩和平移的小波函数进行筛选，筛 选过程须考虑以下两点[33： 1．由于只能得到有限的训练数据，小波网络所有激励函数的尺度应在有限范围内． 2．网络训练数据所处的输入空间是一个闭空间，同时，激励函数是紧支撑的或几乎是紧 支撑的，因此，凡其支集未包含输入空间的小波函数不应被选人．