[发明专利]一种基于KLMS的自适应小波核神经网络跟踪控制方法

摘要

本发明公开了一种基于KLMS的自适应小波核神经网络跟踪控制方法。包括以下几个步骤初始化小波核神经网络；将预定值和由控制对象输出的实际观测值进行比较，得到误差信号，输入给小波核神经网络，求解代价函数；调节隐含层——输出层权值的自适应学习率，更新隐含层——输出层权值；调节输入层——隐含层权值的自适应学习率，更新输入层——隐含层权值；更新小波核函数的收缩因子；求解隐含层的诱导局部域及输出；求解输出层的诱导局部域及输出，将输出作为控制信号输送给控制对象的执行机构。本发明减少了迭代过程中的记忆内存和计算复杂度，并提高了控制系统的准确性和快速性。

主权项

一种基于KLMS的自适应小波核神经网络跟踪控制方法，其特征在于，包括以下几个步骤：步骤一：初始化小波核神经网络；小波核神经网络包括输入层I、隐含层J、输出层K，隐含层的激活函数采用小波核函数输出层采用一般激励函数f(x)，输入层——隐含层的权值为wJI，隐含层——输出层的权值为wKJ；小波核函数为：其中，ai＞0为小波收缩因子，ψ(x)一维母小波函数；步骤二：将预定值和由控制对象输出的实际观测值进行比较，得到误差信号，输入给小波核神经网络，求解代价函数；步骤三：调节隐含层——输出层权值的自适应学习率ηK(n)，更新隐含层——输出层权值；步骤四：调节输入层——隐含层权值的自适应学习率ηJ(n)，更新输入层——隐含层权值；步骤五：根据代价函数，更新小波核函数的收缩因子；步骤六：求解小波核神经网络中隐含层的诱导局部域vJ(n)及输出xJ；步骤七：求解小波核神经网络中输出层的诱导局部域vK(n)及输出zK，将输出zK作为控制信号输送给控制对象的执行机构。