基于粗糙集和RBF网络的动态建模方法研究
随着社会经济的飞速发展,人们面临的生产系统工况日益复杂,要求也日益提高,控制系统往往具有多变量、非线性、强耦合、工况范围广、控制性能综合要求高等特点,因此对复杂动态系统的建模提出了更高的要求.波兰科学家Z.Pawlak提出的粗糙集理论对于处理不精确、不确定、不完整的信息和知识是一种非常有效的新的数学工具.而RBF网络是近年来发展起来的一种优良的前向网络,其结构简单,训练快捷,可以逼近任意非线性函数成为一种新的用于系统建模的工具.但对于复杂系统,用神经网络建立模型,初始的训练样本难以保证知识的完整性和有效性,往往存在着冗余和噪声,以致造成网络的结构庞大,训练困难,难以达到要求的精度.粗糙集理论与神经网络具有很好的互补性,两者的集成已受到国内外学者越来越多的关注,为处理不确定、不完整信息提供了一条强有力的途径.该文主要研究基于粗糙集和RBF网络集成技术的复杂非线性系统的动态建模方法,并进行了仿真研究.
粗糙集理论;RBF神经网络;离散化;求核与约简;动态建模
上海海事大学
硕士
控制理论与控制工程
肖健梅
2004
中文
TP183
71
2005-05-24（万方平台首次上网日期，不代表论文的发表时间）