导读:本文包含了自递归小波网络论文开题报告文献综述及选题提纲参考文献，主要关键词:永磁直线同步电机,不确定性,递归小波Elman神经网络,互补滑模控制
自递归小波网络论文文献综述
金鸿雁,赵希梅[1]（2019）在《永磁直线伺服系统递归小波Elman神经网络互补滑模控制》一文中研究指出针对永磁直线同步电机(PMLSM)直接驱动伺服系统易受参数变化、外部扰动和摩擦力等不确定性影响,而降低系统控制性能的问题,提出一种基于递归小波Elman神经网络(RWENN)的互补滑模控制方法。首先,建立含有不确定性的PMLSM动态模型;其次,采用积分滑模面和互补滑模面相结合设计互补滑模控制器。为解决互补滑模控制器参数选取困难的问题并估计系统存在的总不确定性,将互补滑模控制与RWENN相结合。利用RWENN代替互补滑模控制中的切换控制,RWENN可在线训练网络参数并实时调整参数。另外,为进一步提高鲁棒性,设计鲁棒补偿器对RWENN的参数逼近误差进行补偿。实验结果表明,该方法不仅降低了系统的抖振现象,保证了位置跟踪精度,还提高了系统的鲁棒性能。(本文来源于《电机与控制学报》期刊2019年10期）
刘龙翔[2]（2019）在《直线电机驱动的H型平台递归小波模糊神经网络控制》一文中研究指出由于H型运动平台具有双直线电机共同驱动的平行系统,以及其高精度和高动态性能的优点,近些年已经在越来越多的领域获得应用。本文针对H型运动平台不确定扰动及其双轴机械耦合的问题,建立包含横梁干扰力的双轴数学模型。设计H型运动平台单轴全局滑模控制器和双轴递归小波模糊神经网络补偿控制器,以提高平台的跟踪精度和同步精度。首先,本文介绍了永磁直线同步电机和H型运动平台的发展现状、结构特点及工作原理。针对直线电机驱动的H型运动平台在实际应用过程中,由于X轴负载往复运动造成的Y方向双直线电机受力不均问题,建立了考虑变化横梁干扰力与不确定项的H型运动平台数学模型。然后,根据永磁直线同步电机的负载变化及扰动问题,设计了单轴全局滑模控制器,提高系统跟踪精度并抑制高频抖振。利用李雅普诺夫定理,验证了所设计的全局滑模控制器的稳定性。为了提高运动平台双轴同步精度,将单轴跟踪误差与双轴同步误差相结合,根据结合后的混合误差设计双轴交叉耦合控制器,并将混合误差作为单轴控制器的输入信号。使用MATLAB/Simulink对所设计的控制系统进行仿真,验证所设计的方法可以减小系统的跟踪误差与同步误差。最后,为了进一步减小运动平台的双轴同步误差,提高系统的稳定性,将能够进行时变信号分析的小波转换和具有动态能力的递归结构与模糊神经网络相结合,利用神经网络的学习能力对小波函数中的伸缩与平移因子、模糊结构中的均值与标准差以及各层之间的连接权重进行学习调整,根据双轴同步误差设计递归小波模糊神经网络补偿器取代交叉耦合同步控制器。使用MATLAB/Simulink对所设计的补偿器进行仿真,并与采用交叉耦合控制器的仿真结果进行比较,分析两种控制器的仿真结果。(本文来源于《沈阳工业大学》期刊2019-06-04）
艾红,王发[3]（2018）在《动态递归小波神经网络在回转窑故障诊断中的应用》一文中研究指出针对回转窑作为一个复杂的非线性系统而难以提取有效故障特征的问题,构造了一种动态递归小波神经网络。采用基于梯度符号变化的变学习率以及引入动量项的算法,以回转窑窑尾温度、分解炉温度、窑尾负压、窑头负压、窑头温度、烧成带温度、窑电流、筒体表面温度8个物理量,作为神经网络的8个输入节点,将小波神经网络理论较好地应用在回转窑故障诊断中。归纳了回转窑的主要故障及现象。采用动态递归小波神经网络,从输出层反馈到输入层形成关联层,以存储上一时刻的输出信息。小波神经网络在网络训练时可以有效地利用输出信号。对回转窑故障数据进行归一化处理并作为网络的输入向量,再用小波函数代替神经网络中的激励函数,以故障序列作为网络的输出向量。试验仿真结果表明,该网络具有较好的故障识别率和时间收敛性能。(本文来源于《自动化仪表》期刊2018年05期）
陈贵平[4]（2018）在《基于递归小波神经网络的UAV姿态变结构优化控制》一文中研究指出无人机的姿态控制易受外界气流干扰和模型参数摄动影响,为了提高其姿态控制的精度和稳定度,提出了将变结构控制与递归小波神经网络相结合的优化鲁棒控制律.构建并分析了无人机的姿态运动模型,采用变结构控制来设计无人机姿态运动的稳定控制律,将递归小波神经网络加入到控制闭环回路中以实现变结构控制律的优化,减弱控制律对模型准确度的依赖性,并在仿真验证中与传统方法进行了比较.结果表明,该控制律能够提高其姿态控制的稳定性,且具有较强鲁棒性、较短收敛时间和较小能量消耗,从而证明了本文方法的有效性和可行性.(本文来源于《沈阳工业大学学报》期刊2018年01期）
陈勇,王昕,王振雷[5]（2016）在《基于模糊递归小波神经网络的非线性多模型自适应控制》一文中研究指出针对一类非线性离散时间系统,设计了非线性多模型自适应控制器。该控制器包含一个线性自适应模型和一个非线性自适应模型。线性自适应模型用于保证系统的稳定性,非线性自适应模型采用模糊递归小波神经网络,具有结构简单,收敛快速,能够避免因为初值的选取而陷入局部最优。然后设计多模型切换准则,保证在任意时刻内都能够选择性能好的控制器进行系统控制。最后仿真应用结果验证了上述方法具有更好的跟踪能力,可以改善系统控制效果。(本文来源于《第27届中国过程控制会议（CPCC2016）摘要集》期刊2016-07-31）
刘斌,王洁,何广军,徐启云[6]（2016）在《基于递归小波神经网络的无人机反演控制》一文中研究指出针对无人机受到参数摄动和外界扰动的问题,为提高系统的稳定性,提出一种采用递归小波神经网络的无人机反演控制方法。引入二阶参考模型对输入受限问题建立数学模型,仿真状态量和输入量的幅值、速率和带宽约束。采用递归小波神经网络逼近面向控制模型中的非线性函数,弱化控制律对模型的依赖。并将神经网络逼近方法与自适应反演设计方法相结合,建立无人机在复杂情况下的输入受限自适应反演控制方法。通过控制系统的轨迹跟踪仿真分析,验证了改进方法的可行性和有效性,提高了无人机飞行控制的实时性和鲁棒性。(本文来源于《计算机仿真》期刊2016年02期）
闻新,李新,王尔申[7]（2015）在《单隐含层模糊递归小波神经网络的观测器设计》一文中研究指出根据模糊神经网络在非线性函数逼近方面的特性和小波变换具有良好的时频两维信号的分析能力,建立了结合两者优点的单隐含层模糊递归小波神经网络(Single hidden Layer Fuzzy Recurrent Wavelet Neural Network,SLFRWNN),并分析了SLFRWNN的结构、激活函数形式及激活函数对网络性能的影响.在此基础上,提出了一种基于SLFRWNN的自适应观测器设计方法,并通过引入Lyapunov函数,证明了这种观测器设计方法的稳定性,进而给出该网络观测器的初始化和最佳训练算法;仿真结果表明SLFRWNN观测器能很好地观测系统的状态.(本文来源于《电波科学学报》期刊2015年06期）
郭瑞丽,赵凤遥,李亚楠[8]（2013）在《基于递归小波神经网络的流域降雨-径流过程动态模型》一文中研究指出根据流域降雨-径流过程的特点,采用递归小波神经网络(RWNN),建立了流域降雨-径流过程的动态模型,给出了RWNN模型网络的动态梯度下降训练算法。以陆浑水库上游伊河流域为研究实例,通过RWNN动态模型计算分析,表明该模型应用于流域降雨-径流动态模拟具有可行性、高效性、适应性,具有广阔的应用前景。(本文来源于《水力发电学报》期刊2013年02期）
张智晟,段晓燕,李伟婕,龚文杰,孙雅明[9]（2009）在《优化动态递归小波神经网络短期负荷预测模型》一文中研究指出提出了优化动态递归小波神经网络(dynamic recurrent wavelet neural network,DRWNN)短期负荷预测模型。与常规小波神经网络相比,DRWNN有两个关联层,关联层节点起存储网络内部状态的作用;模型构造过程中增强了网络的前馈与反馈联接,形成多层次的网络递归。采用分布估计算法和遗传算法相融合对DRWNN进行优化,融合实质是在解空间"宏观"和"微观"两个层面进行寻优,可克服DRWNN陷入局部最小,提高DRWNN的泛化能力。对两类不同负荷系统日、周预测仿真测试,验证了模型能有效提高预测精度。(本文来源于《电力系统及其自动化学报》期刊2009年05期）
王聪慧,张根宝[10]（2008）在《递归小波神经网络解耦控制算法及其工业应用研究》一文中研究指出为改善小波神经网络算法非线性映射能力和动态辨识能力,把小波神经网络和递归算法结合在一起构成递归小波神经网络。结合抄纸过程的实际特性,对系统进行了动态性能分析和研究,还设计了一种并行控制结构,把具有相同结构的两个免疫单神经元PID控制器并联来分别控制两个非线性回路,对抄纸过程实现了解耦。仿真结果表明该方案很好地实现了解耦,并且收敛速度快,在工业过程控制中具有广阔的应用前景。(本文来源于《化工自动化及仪表》期刊2008年04期）
自递归小波网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于H型运动平台具有双直线电机共同驱动的平行系统,以及其高精度和高动态性能的优点,近些年已经在越来越多的领域获得应用。本文针对H型运动平台不确定扰动及其双轴机械耦合的问题,建立包含横梁干扰力的双轴数学模型。设计H型运动平台单轴全局滑模控制器和双轴递归小波模糊神经网络补偿控制器,以提高平台的跟踪精度和同步精度。首先,本文介绍了永磁直线同步电机和H型运动平台的发展现状、结构特点及工作原理。针对直线电机驱动的H型运动平台在实际应用过程中,由于X轴负载往复运动造成的Y方向双直线电机受力不均问题,建立了考虑变化横梁干扰力与不确定项的H型运动平台数学模型。然后,根据永磁直线同步电机的负载变化及扰动问题,设计了单轴全局滑模控制器,提高系统跟踪精度并抑制高频抖振。利用李雅普诺夫定理,验证了所设计的全局滑模控制器的稳定性。为了提高运动平台双轴同步精度,将单轴跟踪误差与双轴同步误差相结合,根据结合后的混合误差设计双轴交叉耦合控制器,并将混合误差作为单轴控制器的输入信号。使用MATLAB/Simulink对所设计的控制系统进行仿真,验证所设计的方法可以减小系统的跟踪误差与同步误差。最后,为了进一步减小运动平台的双轴同步误差,提高系统的稳定性,将能够进行时变信号分析的小波转换和具有动态能力的递归结构与模糊神经网络相结合,利用神经网络的学习能力对小波函数中的伸缩与平移因子、模糊结构中的均值与标准差以及各层之间的连接权重进行学习调整,根据双轴同步误差设计递归小波模糊神经网络补偿器取代交叉耦合同步控制器。使用MATLAB/Simulink对所设计的补偿器进行仿真,并与采用交叉耦合控制器的仿真结果进行比较,分析两种控制器的仿真结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自递归小波网络论文参考文献
[1].金鸿雁,赵希梅.永磁直线伺服系统递归小波Elman神经网络互补滑模控制[J].电机与控制学报.2019
[2].刘龙翔.直线电机驱动的H型平台递归小波模糊神经网络控制[D].沈阳工业大学.2019
[3].艾红,王发.动态递归小波神经网络在回转窑故障诊断中的应用[J].自动化仪表.2018
[4].陈贵平.基于递归小波神经网络的UAV姿态变结构优化控制[J].沈阳工业大学学报.2018
[5].陈勇,王昕,王振雷.基于模糊递归小波神经网络的非线性多模型自适应控制[C].第27届中国过程控制会议（CPCC2016）摘要集.2016
[6].刘斌,王洁,何广军,徐启云.基于递归小波神经网络的无人机反演控制[J].计算机仿真.2016
[7].闻新,李新,王尔申.单隐含层模糊递归小波神经网络的观测器设计[J].电波科学学报.2015
[8].郭瑞丽,赵凤遥,李亚楠.基于递归小波神经网络的流域降雨-径流过程动态模型[J].水力发电学报.2013
[9].张智晟,段晓燕,李伟婕,龚文杰,孙雅明.优化动态递归小波神经网络短期负荷预测模型[J].电力系统及其自动化学报.2009
[10].王聪慧,张根宝.递归小波神经网络解耦控制算法及其工业应用研究[J].化工自动化及仪表.2008
标签：永磁直线同步电机; 不确定性; 递归小波Elman神经网络; 互补滑模控制;